基于张量分解的高维数据鲁棒核低秩表示算法研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 张量分解的研究现状 | 第9-11页 |
| 1.2.2 低秩表示算法的研究现状 | 第11-12页 |
| 1.3 本文主要工作及章节安排 | 第12-14页 |
| 1.3.1 研究内容 | 第12页 |
| 1.3.2 主要创新点 | 第12-13页 |
| 1.3.3 章节安排 | 第13-14页 |
| 第二章 相关理论与技术基础 | 第14-28页 |
| 2.1 引言 | 第14页 |
| 2.2 低秩表示模型 | 第14-17页 |
| 2.2.1 低秩表示的相关定义 | 第14-15页 |
| 2.2.2 矩阵的相关运算 | 第15页 |
| 2.2.3 低秩表示思想 | 第15-17页 |
| 2.3 张量概述及相关运算 | 第17-22页 |
| 2.3.1 张量概述 | 第17-18页 |
| 2.3.2 张量的代数运算 | 第18-19页 |
| 2.3.3 张量的CP分解 | 第19-21页 |
| 2.3.4 张量的Tucker分解 | 第21-22页 |
| 2.4 低秩表示的相关求解算法 | 第22-28页 |
| 2.4.1 交替方向法 | 第22-23页 |
| 2.4.2 线性自适应惩罚项ADM算法 | 第23-24页 |
| 2.4.3 迭代阈值算法 | 第24-25页 |
| 2.4.4 增广拉格朗日乘子法 | 第25-27页 |
| 2.4.5 加速近端梯度法 | 第27-28页 |
| 第三章 基于张量数据表示的RTDKLRR算法构建 | 第28-34页 |
| 3.1 RKLRR算法 | 第28-30页 |
| 3.1.1 RKLRR算法思想 | 第28页 |
| 3.1.2 RKLRR算法流程 | 第28-30页 |
| 3.2 RTDKLRR算法设计 | 第30-33页 |
| 3.2.1 RTDKLRR算法思想 | 第30页 |
| 3.2.2 RTDKLRR算法流程 | 第30-33页 |
| 3.3 本章小结 | 第33-34页 |
| 第四章 实验及结果分析 | 第34-48页 |
| 4.1 评价标准 | 第34页 |
| 4.2 模拟数据集实验及结果分析 | 第34-41页 |
| 4.2.1 模拟数据集的构建 | 第34-35页 |
| 4.2.2 模拟数据集的实验结果 | 第35-37页 |
| 4.2.3 模拟数据集的实验分析 | 第37-41页 |
| 4.3 真实数据集实验及结果分析 | 第41-47页 |
| 4.3.1 真实数据集的构建 | 第41-44页 |
| 4.3.2 真实数据集的实验结果 | 第44-45页 |
| 4.3.3 真实数据集的实验分析 | 第45-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 总结与展望 | 第48-50页 |
| 5.1 全文总结 | 第48-49页 |
| 5.2 下一步工作展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 个人简历 在读期间发表学术论文 | 第54-55页 |
| 致谢 | 第55页 |
