基于低秩矩阵恢复的算法及应用研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 课题研究背景与意义 | 第9-10页 |
| 1.2 压缩感知 | 第10-12页 |
| 1.3 矩阵秩极小化 | 第12-13页 |
| 1.4 结构稀疏 | 第13-14页 |
| 1.5 论文主要工作及内容安排 | 第14-16页 |
| 1.5.1 本文的主要工作 | 第14-15页 |
| 1.5.2 本文的内容安排 | 第15-16页 |
| 第二章 低秩矩阵恢复及其算法系统概述 | 第16-30页 |
| 2.1 低秩矩阵恢复模型 | 第16-18页 |
| 2.2 低秩矩阵恢复典型算法 | 第18-23页 |
| 2.2.1 IT算法 | 第19页 |
| 2.2.2 APG算法 | 第19-20页 |
| 2.2.3 ALM算法 | 第20-23页 |
| 2.3 低秩矩阵恢复在视频去噪中的应用 | 第23-28页 |
| 2.3.1 块匹配 | 第24-25页 |
| 2.3.2 低秩矩阵恢复去噪 | 第25页 |
| 2.3.3 实验结果与分析 | 第25-28页 |
| 2.4 低秩矩阵恢复的应用分析 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 基于低秩和结构稀疏的矩阵分解 | 第30-37页 |
| 3.1 结构稀疏诱导范数 | 第30-31页 |
| 3.2 最优化算法 | 第31-33页 |
| 3.3 实验与结果分析 | 第33-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 基于低秩和结构稀疏的视频背景建模 | 第37-51页 |
| 4.1 低秩矩阵模型算法的引入 | 第37-43页 |
| 4.1.1 一种秩估计策略 | 第38-41页 |
| 4.1.2 快速矩阵分解算法 | 第41-42页 |
| 4.1.3 算法参数设置与初始化 | 第42-43页 |
| 4.2 基于低秩和结构稀疏的视频背景建模 | 第43-50页 |
| 4.2.1 实验视频数据集说明 | 第44-45页 |
| 4.2.2 实验结果及分析 | 第45-50页 |
| 4.3 本章小结 | 第50-51页 |
| 第五章 一种快速奇异值分解算法 | 第51-60页 |
| 5.1 部分奇异值分解 | 第51-53页 |
| 5.2 热启动块Lanczos方法 | 第53-56页 |
| 5.3 实验结果及分析 | 第56-58页 |
| 5.4 本章小结 | 第58-60页 |
| 第六章 总结和展望 | 第60-62页 |
| 6.1 论文总结 | 第60-61页 |
| 6.2 下一步工作展望 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 发表论文和参加科研情况说明 | 第67-68页 |
| 致谢 | 第68-69页 |
