基于拓扑结构保持的线性降维方法研究及其应用
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-15页 |
| ·课题背景 | 第9-11页 |
| ·国内外的研究现状 | 第11-13页 |
| ·数据降维的发展和研究现状 | 第11页 |
| ·流形学习的发展和研究现状 | 第11-12页 |
| ·半监督学习的研究现状 | 第12-13页 |
| ·研究内容 | 第13-14页 |
| ·本文结构安排 | 第14页 |
| ·本章小结 | 第14-15页 |
| 第二章 流形学习和半监督学习现有技术介绍 | 第15-24页 |
| ·流形学习的基本概念 | 第15-17页 |
| ·流形学习定义 | 第15页 |
| ·数据降维 | 第15-17页 |
| ·半监督学习基本概念 | 第17-20页 |
| ·半监督分类 | 第18页 |
| ·半监督聚类 | 第18-19页 |
| ·半监督维数约减 | 第19-20页 |
| ·半监督流形学习研究 | 第20-23页 |
| ·基于约束的半监督降维框架（SSDR) | 第20-21页 |
| ·约束的局部保持投影(cLPP) | 第21-22页 |
| ·邻域保持半监督降维(NPSSDR) | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 图像分割相关技术介绍 | 第24-28页 |
| ·图像特征提取 | 第24-26页 |
| ·纹理特征 | 第24页 |
| ·形状特征 | 第24-25页 |
| ·空间关系特征 | 第25页 |
| ·颜色特征 | 第25-26页 |
| ·图像分割 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第四章 基于成对约束信息的半监督维数约减研究 | 第28-40页 |
| ·基于约束信息的半监督维数约减研究 | 第28-29页 |
| ·LGS3DR 算法的具体实现 | 第29-37页 |
| ·整合边约束信息 | 第30-31页 |
| ·局部拓扑结构 | 第31-33页 |
| ·全局拓扑结构 | 第33-34页 |
| ·LGS3DR 算法 | 第34-35页 |
| ·LGS3DR 的图嵌入解释及算法描述 | 第35-37页 |
| ·LLPPCA 算法的具体实现 | 第37-38页 |
| ·LLPPCA 算法的目标函数 | 第37-38页 |
| ·LLPPCA 算法描述 | 第38页 |
| ·本章小结 | 第38-40页 |
| 第五章 实验结果及其分析 | 第40-57页 |
| ·算法有效性分析 | 第40-47页 |
| ·Extended YaleB 数据集 | 第40-42页 |
| ·ORL 数据集 | 第42-44页 |
| ·PIE 人脸数据集 | 第44-47页 |
| ·各因素对算法的影响 | 第47-51页 |
| ·图像分割应用 | 第51-56页 |
| ·图像的颜色特征提取 | 第52-53页 |
| ·图像像素的 8 邻域灰度差分量的提取 | 第53-54页 |
| ·图像分割结果与分析 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 总结与展望 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 攻读硕士学位期间取得的研究成果 | 第64-65页 |
| 致谢 | 第65页 |
