| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 目录 | 第9-11页 |
| 第1章 绪论 | 第11-21页 |
| ·课题研究背景和意义 | 第11-14页 |
| ·研究现状概述 | 第14-16页 |
| ·本文的研究内容和创新点 | 第16-17页 |
| ·论文结构安排 | 第17-19页 |
| 参考文献 | 第19-21页 |
| 第2章 稀疏正则化问题概述 | 第21-37页 |
| ·稀疏正则化问题定义 | 第21-22页 |
| ·L1范数和稀疏性讨论 | 第22-25页 |
| ·一维空间的“解析分析” | 第22-23页 |
| ·一维空间的“物理解释” | 第23-24页 |
| ·二维空间的“几何解释” | 第24-25页 |
| ·稀疏正则问题的优化求解算法 | 第25-34页 |
| ·Interior Point算法 | 第26-27页 |
| ·Gradient Projection算法 | 第27-28页 |
| ·Iterative Shrinkage Thresholding算法 | 第28-29页 |
| ·Augment Lagrange Multiplier算法 | 第29页 |
| ·算法性能比较 | 第29-34页 |
| ·本章小结 | 第34页 |
| 参考文献 | 第34-37页 |
| 第3章 基于稀疏编码的半监督流形学习算法 | 第37-55页 |
| ·引言 | 第37-38页 |
| ·流形学习简介 | 第38-39页 |
| ·基于L1图正则的半监督流形学习 | 第39-45页 |
| ·图的构建 | 第39-41页 |
| ·LRSML流形学习 | 第41-43页 |
| ·线性扩展L-LRSML | 第43-45页 |
| ·实验分析 | 第45-52页 |
| ·LRSML流形可视化 | 第45-48页 |
| ·L-LRSML量化的性能分析 | 第48-52页 |
| ·本章小结 | 第52-53页 |
| 参考文献 | 第53-55页 |
| 第4章 基于稀疏编码的目标回归算法 | 第55-77页 |
| ·引言 | 第55-56页 |
| ·传统线性回归模型 | 第56-58页 |
| ·线性回归模型 | 第56页 |
| ·带正则项的线性回归模型 | 第56-58页 |
| ·鲁棒主成分分析 | 第58页 |
| ·基于凸正则的稀疏回归模型CRSR | 第58-59页 |
| ·CRSR模型求解 | 第59-65页 |
| ·求解子优化问题 | 第60-63页 |
| ·基于ALM框架的模型求解 | 第63-65页 |
| ·实验分析 | 第65-73页 |
| ·FacePix人头姿态库的实验结果及分析 | 第67-70页 |
| ·Pointing'04人头姿态库的实验结果及分析 | 第70-73页 |
| ·本章小结 | 第73-74页 |
| 参考文献 | 第74-77页 |
| 第5章 基于稀疏编码的子空间聚类算法 | 第77-101页 |
| ·引言 | 第77-78页 |
| ·子空间聚类问题 | 第78-80页 |
| ·子空间聚类定义 | 第78-79页 |
| ·子空间聚类算法概述 | 第79-80页 |
| ·稀疏子空间聚类模型 | 第80-83页 |
| ·原始稀疏子空间聚类模型SSC | 第80-81页 |
| ·改良的稀疏子空间聚类模型RSSC | 第81-83页 |
| ·RSSC模型求解 | 第83-88页 |
| ·求解子优化问题 | 第84-86页 |
| ·基于ALM框架的模型求解 | 第86-88页 |
| ·实验分析 | 第88-98页 |
| ·栉拟数据分析 | 第88-92页 |
| ·Hopkins运动分割库的实验结果及分析 | 第92-98页 |
| ·本章小结 | 第98-99页 |
| 参考文献 | 第99-101页 |
| 第6章 总结和展望 | 第101-105页 |
| 缩略语 | 第105-107页 |
| 致谢 | 第107-109页 |
| 攻读学位期间发表的学术论文目录 | 第109-110页 |
| 攻读学位期间申请专利目录 | 第110页 |
