| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 维数约简 | 第11-13页 |
| 1.2.1 特征选择 | 第12页 |
| 1.2.2 特征提取 | 第12-13页 |
| 1.3 低秩矩阵恢复理论 | 第13-16页 |
| 1.3.1 鲁棒主成分分析 | 第13-15页 |
| 1.3.2 低秩表示 | 第15-16页 |
| 1.4 本文的内容安排 | 第16-18页 |
| 第二章 低秩矩阵恢复模型的求解方法 | 第18-23页 |
| 2.1 鲁棒主成分分析的求解方法 | 第18-20页 |
| 2.1.1 迭代阈值算法 | 第18-19页 |
| 2.1.2 增广拉格朗日乘子法 | 第19-20页 |
| 2.2 低秩表示模型的求解方法 | 第20-22页 |
| 2.2.1 交替方向方法 | 第20-21页 |
| 2.2.2 自适应惩罚线性交替方向法 | 第21-22页 |
| 2.3 小结 | 第22-23页 |
| 第三章 基于低秩表示的非监督特征选择 | 第23-46页 |
| 3.1 引言 | 第23-24页 |
| 3.2 三种传统的特征选择方法 | 第24-26页 |
| 3.2.1 方差评分 | 第24页 |
| 3.2.2 拉普拉斯评分 | 第24-25页 |
| 3.2.3 稀疏评分 | 第25-26页 |
| 3.3 基于低秩评分的非监督特征选择算法 | 第26-36页 |
| 3.3.1 具有干净字典约束的低秩表示模型 | 第26-27页 |
| 3.3.2 模型求解 | 第27-29页 |
| 3.3.3 低秩评分 | 第29页 |
| 3.3.4 基于低秩评分的非监督特征选择算法 | 第29-30页 |
| 3.3.5 实验结果与分析 | 第30-36页 |
| 3.3.5.1 算法性能评价标准 | 第30-31页 |
| 3.3.5.2 Iris鸢尾花数据集上的实验 | 第31-32页 |
| 3.3.5.3 PIE人脸数据集上的实验 | 第32-35页 |
| 3.3.5.4 ORL数据集上的实验 | 第35-36页 |
| 3.4 基于低秩稀疏评分的非监督特征选择算法 | 第36-45页 |
| 3.4.1 低秩稀疏表示 | 第37-39页 |
| 3.4.2 低秩稀疏相似度矩阵构建 | 第39-40页 |
| 3.4.3 低秩稀疏评分 | 第40-41页 |
| 3.4.4 基于低秩稀疏评分的非监督特征选择算法 | 第41页 |
| 3.4.5 实验结果与分析 | 第41-45页 |
| 3.4.5.1 PIE人脸数据集上的实验 | 第41-44页 |
| 3.4.5.2 ORL人脸数据集上的实验 | 第44-45页 |
| 3.5 小结 | 第45-46页 |
| 第四章 基于低秩表示线性保持投影的特征提取 | 第46-65页 |
| 4.1 引言 | 第46-47页 |
| 4.2 两种经典的特征提取方法 | 第47-49页 |
| 4.2.1 局部保持投影（LPP） | 第47-48页 |
| 4.2.2 邻域保持嵌入（NPE） | 第48-49页 |
| 4.3 基于加权低秩表示的线性投影算法 | 第49-57页 |
| 4.3.1 低秩表示 | 第49-50页 |
| 4.3.2 加权低秩表示 | 第50-52页 |
| 4.3.3 基于加权低秩表示的线性投影算法 | 第52-53页 |
| 4.3.4 实验结果与分析 | 第53-57页 |
| 4.3.4.1 ORL数据集上的实验 | 第53-55页 |
| 4.3.4.2 Yale数据集上的实验 | 第55-57页 |
| 4.4 基于空间约束低秩表示的线性投影算法 | 第57-64页 |
| 4.4.1 具有空间约束的低秩连接权值 | 第57-59页 |
| 4.4.2 具有空间信息约束低秩表示模型及优化方法 | 第59-60页 |
| 4.4.3 基于空间约束低秩表示的线性投影算法 | 第60-61页 |
| 4.4.4 实验结果及分析 | 第61-64页 |
| 4.4.4.1 ORL数据集上的实验 | 第61-63页 |
| 4.4.4.2 PIE数据库上的实验 | 第63-64页 |
| 4.5 小结 | 第64-65页 |
| 第五章 基于低秩稀疏分解和稀疏表示的运动目标检测 | 第65-78页 |
| 5.1 引言 | 第65-66页 |
| 5.2 三类运动目标检测方法 | 第66-70页 |
| 5.2.1 背景减除法 | 第66-67页 |
| 5.2.2 基于鲁棒子空间学习的运动目标检测方法 | 第67-68页 |
| 5.2.3 基于鲁棒主成分分析的运动目标检测方法 | 第68页 |
| 5.2.4 三种方法的实验结果和分析 | 第68-70页 |
| 5.3 运动目标的在线检测 | 第70-76页 |
| 5.3.1 问题的描述 | 第70-71页 |
| 5.3.2 算法实现的步骤 | 第71-73页 |
| 5.3.3 实验结果与分析 | 第73-76页 |
| 5.4 小结 | 第76-78页 |
| 第六章 总结与展望 | 第78-80页 |
| 6.1 总结 | 第78-79页 |
| 6.2 展望 | 第79-80页 |
| 参考文献 | 第80-83页 |
| 致谢 | 第83-84页 |
| 攻读学位期间的研究成果 | 第84-85页 |