基于非负矩阵分解的图像表示和分类研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 1 绪论 | 第9-17页 |
| ·课题研究背景及意义 | 第9-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·非负矩阵分解 | 第12-15页 |
| ·图像分类 | 第15页 |
| ·本文主要研究内容及创新点 | 第15页 |
| ·论文的组织结构 | 第15-17页 |
| 2 面向高维图像数据的非负矩阵分解算法研究 | 第17-28页 |
| ·非负矩阵分解简介 | 第17-18页 |
| ·非负矩阵分解算法的目标函数 | 第18-19页 |
| ·迭代规则以及算法的收敛性 | 第19-25页 |
| ·迭代规则 | 第19-21页 |
| ·收敛性证明 | 第21-25页 |
| ·非负矩阵分解算法的应用 | 第25-27页 |
| ·模式识别与图像工程领域 | 第25-26页 |
| ·数据挖掘领域——文本聚类 | 第26页 |
| ·语音处理领域 | 第26页 |
| ·生物医学工程领域 | 第26-27页 |
| ·其他 | 第27页 |
| ·图像表示 | 第27页 |
| ·本章小结 | 第27-28页 |
| 3 稀疏性增强的非负矩阵分解算法 | 第28-38页 |
| ·稀疏的概念 | 第28-29页 |
| ·稀疏约束的非负矩阵分解 | 第29-30页 |
| ·稀疏约束的非负矩阵分解实验 | 第30-37页 |
| ·人脸图像的 NMFSC 表示 | 第31-36页 |
| ·NMFSC 算法的收敛性 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 4 基于稀疏约束的半监督非负矩阵分解 | 第38-50页 |
| ·半监督非负矩阵分解 | 第38-41页 |
| ·半监督非负矩阵分解原理 | 第38-40页 |
| ·半监督非负矩阵分解算法收敛性证明 | 第40-41页 |
| ·基于稀疏约束的半监督非负矩阵分解算法 | 第41-42页 |
| ·实验结果与分析 | 第42-49页 |
| ·已知标签样本选择 | 第43-44页 |
| ·实验评价指标及参数选择 | 第44-48页 |
| ·稀疏度分析 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 5 基于稀疏约束的图正则化半监督非负矩阵分解 | 第50-61页 |
| ·流形学习 | 第50-53页 |
| ·流形学习的定义 | 第50-51页 |
| ·几种典型的流形学习算法 | 第51-53页 |
| ·基于稀疏约束的图正则化半监督非负矩阵分解 | 第53-57页 |
| ·图正则化非负矩阵分解[57] | 第53-55页 |
| ·基于稀疏约束的图正则化半监督非负矩阵分解 | 第55-57页 |
| ·实验结果与分析 | 第57-60页 |
| ·参数设置 | 第57-58页 |
| ·实验结果 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 6 基于稀疏和先验约束的有监督非负矩阵分解 | 第61-72页 |
| ·基于稀疏和先验约束的有监督非负矩阵分解算法 | 第61-63页 |
| ·基于 SCNMFS 的图像分类 | 第63-64页 |
| ·图像表示和分类实验 | 第64-71页 |
| ·数据集与参数选择 | 第64-68页 |
| ·分类结果及稀疏性表示研究 | 第68-71页 |
| ·本章小结 | 第71-72页 |
| 7 总结和展望 | 第72-73页 |
| ·总结 | 第72页 |
| ·展望 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 攻读硕士期间发表学术论文情况 | 第76-77页 |
| 致谢 | 第77页 |
