摘要 | 第3-5页 |
ABSTRACT | 第5-6页 |
第一章 绪论 | 第15-27页 |
1.1 引言 | 第15页 |
1.2 低秩矩阵学习算法 | 第15-22页 |
1.2.1 非负矩阵分解算法 | 第15-20页 |
1.2.2 概念分解 | 第20页 |
1.2.3 矩阵恢复 | 第20-21页 |
1.2.4 稀疏低秩矩阵学习 | 第21-22页 |
1.3 聚类分析技术 | 第22-23页 |
1.4 半监督矩阵分解算法 | 第23-24页 |
1.4.1 半监督非负矩阵分解算法 | 第23页 |
1.4.2 半监督概念分解算法 | 第23-24页 |
1.4.3 半监督学习中标签数据的选择 | 第24页 |
1.5 论文主要工作 | 第24-25页 |
1.6 论文结构安排 | 第25-27页 |
第二章 图正则化的半监督非负矩阵分解算法 | 第27-51页 |
2.1 引言 | 第27-28页 |
2.2 相关工作介绍 | 第28-32页 |
2.2.1 非负矩阵分解 | 第28-30页 |
2.2.2 非负谱聚类 | 第30-31页 |
2.2.3 对称NMF与谱聚类 | 第31-32页 |
2.3 基于图拉普拉斯的半监督非负矩阵分解算法 | 第32-36页 |
2.3.1 目标函数 | 第32-33页 |
2.3.2 迭代更新算法 | 第33-34页 |
2.3.3 收敛性证明 | 第34-36页 |
2.3.4 计算复杂性分析 | 第36页 |
2.4 实验结果 | 第36-45页 |
2.4.1 评估结果的度量方法 | 第36-37页 |
2.4.2 算法性能比较 | 第37-40页 |
2.4.3 参数选择 | 第40-45页 |
2.5 本章小结 | 第45-51页 |
第三章 基于成对约束及图拉普拉斯的非负矩阵分解 | 第51-71页 |
3.1 引言 | 第51-52页 |
3.2 相关工作 | 第52-55页 |
3.3 基于成对约束及图拉普拉斯的非负矩阵分解 | 第55-61页 |
3.3.1 目标函数 | 第55-58页 |
3.3.2 迭代更新算法 | 第58页 |
3.3.3 收敛性证明 | 第58-60页 |
3.3.4 计算复杂性分析 | 第60-61页 |
3.4 实验结果 | 第61-69页 |
3.4.1 算法参数设置及性能评估 | 第61-63页 |
3.4.2 数据集详细介绍 | 第63-69页 |
3.4.3 参数选择 | 第69页 |
3.5 本章小结 | 第69-71页 |
第四章 基于成对约束及图拉普拉斯的非负局部坐标分解 | 第71-91页 |
4.1 引言 | 第71-72页 |
4.2 相关工作 | 第72-74页 |
4.3 基于图拉普拉斯及成对约束的非负局部坐标分解算法 | 第74-80页 |
4.3.1 目标函数 | 第74-76页 |
4.3.2 迭代更新算法 | 第76-77页 |
4.3.3 收敛性证明 | 第77-79页 |
4.3.4 算法复杂性分析 | 第79-80页 |
4.4 实验结果 | 第80-89页 |
4.4.1 算法参数设置及性能评估 | 第80-83页 |
4.4.2 算法的CPU计算时间 | 第83-85页 |
4.4.3 基向量和图像编码 | 第85页 |
4.4.4 参数选择 | 第85-89页 |
4.5 本章小结 | 第89-91页 |
第五章 成对约束概念分解 | 第91-119页 |
5.1 引言 | 第91-92页 |
5.2 相关工作 | 第92页 |
5.3 成对约束概念分解算法 | 第92-99页 |
5.3.1 目标函数 | 第92-94页 |
5.3.2 迭代更新算法 | 第94-96页 |
5.3.3 与梯度下降方法的关系 | 第96-97页 |
5.3.4 收敛性证明 | 第97-99页 |
5.3.5 算法复杂性分析 | 第99页 |
5.4 实验结果 | 第99-114页 |
5.4.1 数据集 | 第103-108页 |
5.4.2 参数选择 | 第108-114页 |
5.4.3 选择核参数σ~2 | 第114页 |
5.4.4 讨论 | 第114页 |
5.5 本章小结 | 第114-119页 |
第六章 全文总结及未来研究工作展望 | 第119-121页 |
6.1 全文总结 | 第119页 |
6.2 未来研究工作展望 | 第119-121页 |
参考文献 | 第121-131页 |
致谢 | 第131-133页 |
攻读博士学位期间发表的学术论文目录 | 第133-135页 |
博士期间参加的科研项目 | 第135-137页 |