摘要 | 第1-6页 |
ABSTRACT | 第6-18页 |
第一章 绪论 | 第18-28页 |
·引言 | 第18-19页 |
·研究历史与现状 | 第19-25页 |
·CCA 的应用 | 第19-22页 |
·CCA 计算方法的改进 | 第22-23页 |
·基于CCA 的数学模型 | 第23-25页 |
·CCA 研究小结 | 第25页 |
·本文主要的研究内容 | 第25-26页 |
·本文的内容安排 | 第26-28页 |
第二章 典型相关分析(CCA) | 第28-37页 |
·引言 | 第28页 |
·CCA 问题刻画 | 第28-29页 |
·求解算法 | 第29-30页 |
·解的性质 | 第30-31页 |
·相关与互信息之间的关系 | 第31-33页 |
·互信息的定义 | 第31-32页 |
·特例:高斯分布情况下的互信息 | 第32页 |
·相关与互信息的关系 | 第32-33页 |
·与其他多元分析方法的关系 | 第33页 |
·核CCA | 第33-36页 |
·本章小结 | 第36-37页 |
第三章 局部保持的典型相关分析(LPCCA) | 第37-53页 |
·引言 | 第37-40页 |
·算法的导出 | 第40-42页 |
·CCA 优化问题的等价描述形式 | 第40-41页 |
·局部保持的CCA 公式的导出 | 第41-42页 |
·简化的算法 | 第42-44页 |
·实验和分析 | 第44-52页 |
·数据可视化实验 | 第44-47页 |
·姿态估计实验 | 第47-52页 |
·本章小结 | 第52-53页 |
第四章 基于样本标号的典型相关单模态识别 | 第53-65页 |
·引言 | 第53-54页 |
·LDA 简单回顾 | 第54-55页 |
·基于类标号的CCA:一个统一描述 | 第55页 |
·一些特例 | 第55-59页 |
·类标号特例分析 | 第56-57页 |
·问题分析与透视 | 第57-59页 |
·基于样本标号的CCA | 第59页 |
·实验结果 | 第59-63页 |
·本章小结 | 第63-65页 |
第五章 判别型典型相关分析(DCCA) | 第65-87页 |
·引言 | 第65-68页 |
·问题刻画 | 第68页 |
·类内相关矩阵与类间相关矩阵 | 第68-71页 |
·类内相关矩阵的定义 | 第69页 |
·类间相关矩阵的定义 | 第69-70页 |
·讨论 | 第70-71页 |
·主方程的导出 | 第71页 |
·DCCA 主方程 | 第71页 |
·解的性质 | 第71页 |
·DCCA 实验结果 | 第71-77页 |
·Toy problem 实验 | 第72页 |
·文本分类实验 | 第72-74页 |
·手写体识别实验 | 第74页 |
·人脸识别实验 | 第74-77页 |
·核化的判别型CCA | 第77-80页 |
·KDCCA 的导出 | 第77-79页 |
·KDCCA 的本质 | 第79-80页 |
·KDCCA 实验结果 | 第80-85页 |
·Toy problem 实验 | 第80页 |
·文本分类实验 | 第80-81页 |
·手写体识别实验 | 第81-82页 |
·人脸识别实验 | 第82-85页 |
·本章小结 | 第85-87页 |
第六章 有样本缺失的判别型典型相关分析(DCCAM) | 第87-101页 |
·引言 | 第87-88页 |
·方法介绍 | 第88-90页 |
·问题刻画 | 第88-89页 |
·类内相关矩阵 | 第89页 |
·类间相关矩阵 | 第89-90页 |
·主方程的导出 | 第90页 |
·实验结果 | 第90-99页 |
·Toy problem 实验 | 第90-91页 |
·文本分类实验 | 第91-94页 |
·手写体识别实验 | 第94-99页 |
·本章小结 | 第99-101页 |
第七章 基于相关性度量的伪主成分分析(P-PCA) | 第101-110页 |
·引言 | 第101-102页 |
·伪主成分分析 | 第102-103页 |
·伪主成分分析的推广形式 | 第103-104页 |
·伪2DPCA | 第103-104页 |
·伪MatPCA | 第104页 |
·伪(2D)~2PCA | 第104页 |
·实验 | 第104-108页 |
·Toy problem 实验 | 第104-105页 |
·ORL 数据集 | 第105-106页 |
·Yale 数据集 | 第106-107页 |
·AR 数据集 | 第107-108页 |
·本章小结 | 第108-110页 |
第八章 引入类信息的主成分分析(CIPCA) | 第110-115页 |
·引言 | 第110页 |
·CIPCA 方法介绍 | 第110-112页 |
·寻找投影向量 | 第110-111页 |
·特征抽取方式 | 第111页 |
·分类策略 | 第111-112页 |
·实验结果 | 第112-113页 |
·数据集 | 第112页 |
·结果分析 | 第112-113页 |
·本章小结 | 第113-115页 |
第九章 结束语 | 第115-118页 |
·本文总结 | 第115-117页 |
·未来展望 | 第117-118页 |
参考文献 | 第118-128页 |
致谢 | 第128-129页 |
在学期间的研究成果及发表的学术论文 | 第129-130页 |
附录 | 第130-135页 |