首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于稀疏优化的建模与高性能算法研究及其应用

摘要第5-7页
abstract第7-8页
第一章 绪论第14-26页
    1.1 课题背景及研究意义第14-15页
    1.2 图像复原问题及其研究现状第15-18页
    1.3 染色体图像分类问题及其研究现状第18-21页
    1.4 生物信息数据整合问题及其研究现状第21-23页
    1.5 研究内容与创新点第23-24页
    1.6 结构安排第24-26页
第二章 基于单向和二阶全变分正则的遥感图像去条带方法第26-42页
    2.1 引言第26-27页
    2.2 MAP模型第27-29页
        2.2.1 图像退化模型第27-28页
        2.2.2 Shen-MAP模型第28-29页
    2.3 USTV模型第29-35页
        2.3.1 符号说明第30-32页
        2.3.2 分裂的Bregman方法求解模型第32-35页
    2.4 实验结果与分析第35-41页
        2.4.1 参数选取第35-36页
        2.4.2 实验比较第36-41页
    2.5 本章小结第41-42页
第三章 基于张量分解的染色体图像分类算法第42-67页
    3.1 引言第42-45页
    3.2 张量介绍第45-53页
        3.2.1 基本概念第45-50页
        3.2.2 张量分解第50-53页
    3.3 染色体分类算法第53-57页
        3.3.1 染色体分割第54-56页
        3.3.2 训练阶段第56-57页
        3.3.3 测试阶段第57页
    3.4 实验结果与分析第57-66页
        3.4.1 参数选取第58页
        3.4.2 实验比较第58-66页
    3.5 本章小结第66-67页
第四章 基于联合非负矩阵分解的精神分裂症数据整合方法第67-78页
    4.1 引言第67-69页
    4.2 JNMF框架第69-73页
        4.2.1 数据预处理第69页
        4.2.2 JNMF模型第69-71页
        4.2.3 收敛性证明第71-73页
    4.3 Module的确定第73-74页
        4.3.1 变量选取第73页
        4.3.2 显著性估计第73-74页
    4.4 实验结果与分析第74-77页
        4.4.1 参数选取第74页
        4.4.2 Module的分析第74-77页
    4.5 本章小结第77-78页
第五章 基于组稀疏联合非负矩阵分解的数据整合方法第78-103页
    5.1 引言第78-80页
    5.2 NMF相关的模型第80-82页
        5.2.1 NMF模型第80页
        5.2.2 NMF变体模型第80-82页
    5.3 GSJNMF数据整合框架第82-88页
        5.3.1 GSJNMF模型第82-84页
        5.3.2 收敛性证明第84-86页
        5.3.3 Module的确定第86页
        5.3.4 显著性估计第86-87页
        5.3.5 参数选取第87-88页
    5.4 实验结果与分析第88-102页
        5.4.1 模拟数据第88-92页
        5.4.2 真实数据第92-102页
    5.5 本章小结第102-103页
第六章 总结与展望第103-105页
    6.1 工作总结第103-104页
    6.2 工作展望第104-105页
致谢第105-106页
参考文献第106-118页
攻读博士学位期间取得的成果第118页

论文共118页,点击 下载论文
上一篇:自适应光学瞳面滤波超分辨成像技术及其对视功能的影响研究
下一篇:移动变尺度目标检测与跟踪算法研究