| 提要 | 第5-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-10页 |
| 第1章 绪论 | 第14-24页 |
| 1.1 课题的提出及意义 | 第14-17页 |
| 1.1.1 课题的提出 | 第14-16页 |
| 1.1.2 研究背景及意义 | 第16-17页 |
| 1.2 非负矩阵分解现状及本文工作 | 第17-24页 |
| 1.2.1 非负矩阵分解算法的研究现状 | 第17-21页 |
| 1.2.2 本文的研究内容 | 第21-24页 |
| 第2章 非负矩阵分解及应用于人脸识别的基本流程 | 第24-32页 |
| 2.1 非负矩阵分解算法及其特点 | 第24-28页 |
| 2.1.1 非负矩阵分解算法 | 第24-27页 |
| 2.1.2 非负矩阵分解算法的特点 | 第27-28页 |
| 2.2 基于非负矩阵分解算法的基本流程 | 第28-30页 |
| 2.2.1 人脸图片数据的处理 | 第28-30页 |
| 2.2.2 非负矩阵分解算法的流程 | 第30页 |
| 2.2.3 分类算法的选择 | 第30页 |
| 2.3 本章小结 | 第30-32页 |
| 第3章 基于梯度下降算法的判别非负矩阵分解 | 第32-54页 |
| 3.1 基于 KL 商的误差函数的判别非负矩阵分解算法 | 第32-35页 |
| 3.2 梯度下降算法引入非负矩阵分解算法 | 第35-38页 |
| 3.2.1 传统方法引入判别时所出现的问题 | 第35-36页 |
| 3.2.2 梯度下降法的引入 | 第36-38页 |
| 3.3 梯度下降判别非负矩阵分解算法 | 第38-41页 |
| 3.3.1 GDFNMF 算法的流程 | 第38-39页 |
| 3.3.2 步长自适应选择算法的意义 | 第39-41页 |
| 3.4 GDFNMF 算法的实验结果及比较 | 第41-46页 |
| 3.4.1 CMU-PIE 数据库的实验结果 | 第42-44页 |
| 3.4.2 CBCL 数据库的实验结果 | 第44-46页 |
| 3.5 子判别思想及基于子判别的梯度下降非负矩阵分解算法 | 第46-53页 |
| 3.5.1 子判别思想的引入 | 第46-48页 |
| 3.5.2 基于子判别的梯度下降非负矩阵分解算法 | 第48-50页 |
| 3.5.3 PGSNMF 算法的实验结果及比较 | 第50-53页 |
| 3.6 本章小结 | 第53-54页 |
| 第4章 基于流形的非负矩阵分解 | 第54-66页 |
| 4.1 流形学习的引入 | 第54页 |
| 4.2 基于流形的非负矩阵分解算法 | 第54-57页 |
| 4.2.1 非负矩阵分解算法的另一种符号表示 | 第55页 |
| 4.2.2 基于流形的非负矩阵分解算法 | 第55-57页 |
| 4.3 对于邻接图建图方法的改进 | 第57-60页 |
| 4.4 算法的实验结果及比较 | 第60-64页 |
| 4.4.1 参数的选择 | 第60-62页 |
| 4.4.2 实验结果 | 第62-64页 |
| 4.5 本章小结 | 第64-66页 |
| 第5章 基于图的投影非负矩阵分解算法 | 第66-76页 |
| 5.1 投影非负矩阵分解算法及正交限制的引入 | 第66-68页 |
| 5.2 基于图的投影非负矩阵分解算法 | 第68-70页 |
| 5.3 GPNMF 算法的收敛性证明 | 第70-72页 |
| 5.4 算法的实验结果 | 第72-74页 |
| 5.4.1 基于 ORL 数据库的实验结果 | 第72-73页 |
| 5.4.2 基于 GT 数据库的实验结果 | 第73页 |
| 5.4.3 基于 YALE 数据库的实验结果 | 第73-74页 |
| 5.5 本章小结 | 第74-76页 |
| 第6章 融合增量学习的非负矩阵分解算法 | 第76-88页 |
| 6.1 基于分块矩阵的增量非负矩阵分解算法 | 第76-78页 |
| 6.2 两种增量图调控非负矩阵分解算法 | 第78-81页 |
| 6.2.1 增量图调控非负矩阵分解 | 第78-80页 |
| 6.2.2 批量增量图调控非负矩阵分解 | 第80-81页 |
| 6.3 算法的实验结果 | 第81-86页 |
| 6.3.1 对单张图片进行增量学习 | 第82-84页 |
| 6.3.2 对多张图片进行增量学习 | 第84-86页 |
| 6.4 本章小结 | 第86-88页 |
| 第7章 总结与展望 | 第88-92页 |
| 7.1 本文工作的总结 | 第88-90页 |
| 7.2 对未来工作的展望 | 第90-92页 |
| 结论 | 第92-94页 |
| 参考文献 | 第94-102页 |
| 作者简介及在学期间所取得的科研成果 | 第102-104页 |
| 致谢 | 第104页 |