| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 矩阵恢复简介 | 第13-14页 |
| 1.2 矩阵恢复算法综述 | 第14-17页 |
| 1.2.1 迭代阈值算法(IT) | 第14-15页 |
| 1.2.2 加速近端梯度算法(APG) | 第15-16页 |
| 1.2.3 增广拉格朗日乘子法(ALM) | 第16-17页 |
| 1.3 文章主要研究内容和创新点 | 第17-18页 |
| 1.4 本文章节安排 | 第18-19页 |
| 第二章 一种新的广义鲁棒主成分分析模型及求解 | 第19-29页 |
| 2.1 研究背景 | 第19-20页 |
| 2.2 广义鲁棒主成分分析 | 第20-23页 |
| 2.2.1 随机排序的交替方向乘子法(RP-ADMM) | 第20-21页 |
| 2.2.2 随机排序的交替方向乘子法(RP-ADMM)在模型中的应用 | 第21-23页 |
| 2.3 算法分析 | 第23-24页 |
| 2.3.1 收敛性证明 | 第23-24页 |
| 2.3.2 时间复杂度分析 | 第24页 |
| 2.4 模拟数据上的实验 | 第24-27页 |
| 2.5 小结 | 第27-29页 |
| 第三章 广义鲁棒主成分分析的应用 | 第29-37页 |
| 3.1 图像去噪 | 第29-30页 |
| 3.1.1 研究背景 | 第29页 |
| 3.1.2 Pepper图实验 | 第29-30页 |
| 3.2 人脸识别 | 第30-33页 |
| 3.2.1 研究背景 | 第30-31页 |
| 3.2.2 人脸图像实验 | 第31-33页 |
| 3.3 垃圾邮件分类 | 第33-36页 |
| 3.3.1 研究背景 | 第33-34页 |
| 3.3.2 数据选取 | 第34页 |
| 3.3.3 实验及结果分析 | 第34-36页 |
| 3.4 小结 | 第36-37页 |
| 第四章 辅助矩阵法(AM)精确求解鲁棒主成分分析模型 | 第37-43页 |
| 4.1 研究背景 | 第37页 |
| 4.2 带l_(2,1)范数的鲁棒主成分分析模型 | 第37-38页 |
| 4.3 辅助矩阵法求解 | 第38-39页 |
| 4.4 与现有解的一致性 | 第39-40页 |
| 4.5 算法 | 第40-41页 |
| 4.6 小结 | 第41-43页 |
| 结论 | 第43-45页 |
| 参考文献 | 第45-49页 |
| 致谢 | 第49-51页 |
| 攻读硕士期间发表的论文 | 第51-53页 |
| 作者和导师简介 | 第53-54页 |
| 附件 | 第54-55页 |
