基于流形学习的局部降维算法研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-19页 |
| ·研究背景 | 第11-12页 |
| ·研究目标与研究意义 | 第12-13页 |
| ·研究目标 | 第12页 |
| ·研究意义 | 第12-13页 |
| ·国内外研究现状 | 第13-16页 |
| ·线性流形降维研究现状 | 第13-14页 |
| ·非线性流形降维研究现状 | 第14-16页 |
| ·本文研究内容与组织结构 | 第16-19页 |
| 第2章 流形学习降维相关算法及在图像识别中的应用 | 第19-28页 |
| ·线性流形学习降维算法 | 第19-24页 |
| ·主分量分析算法 | 第19-21页 |
| ·线性判别分析算法 | 第21-23页 |
| ·独立分量分析算法 | 第23-24页 |
| ·非线性流形学习降维算法 | 第24-27页 |
| ·全局非线性流形学习降维算法 | 第24页 |
| ·局部非线性流形学习降维算法 | 第24-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 非欧氏距离及在局部降维中的应用研究 | 第28-61页 |
| ·非欧氏距离相关基础研究 | 第28-36页 |
| ·图像欧氏距离 | 第28-30页 |
| ·凸轮系数距离 | 第30-33页 |
| ·马氏距离 | 第33-36页 |
| ·基于马氏距离的局部线性嵌入算法 | 第36-52页 |
| ·算法描述与分析 | 第36-38页 |
| ·实验分析 | 第38-52页 |
| ·基于马氏距离的拉普拉斯映射算法 | 第52-60页 |
| ·算法描述与分析 | 第52-53页 |
| ·实验分析 | 第53-60页 |
| ·本章小结 | 第60-61页 |
| 第4章 数据本质结构发现及在局部降维中的应用研究 | 第61-77页 |
| ·挖掘数据本质结构算法基础研究 | 第61-65页 |
| ·自适应拉普拉斯图的构造 | 第61-63页 |
| ·邻域线性嵌入算法 | 第63-65页 |
| ·自适应局部线性嵌入算法 | 第65-75页 |
| ·算法描述与分析 | 第65-67页 |
| ·实验分析 | 第67-75页 |
| ·本章小结 | 第75-77页 |
| 第5章 二维降维法及在局部降维中的应用研究 | 第77-111页 |
| ·二维降维方法基础研究 | 第77-86页 |
| ·二维主分量分析算法 | 第77-79页 |
| ·基于模块的主分量分析算法 | 第79-80页 |
| ·局部保留投影算法及其二维扩展 | 第80-83页 |
| ·邻域保留嵌入算法及其二维扩展 | 第83-86页 |
| ·改进的基于模块的主分量分析算法 | 第86-106页 |
| ·算法描述与分析 | 第86-90页 |
| ·实验分析 | 第90-106页 |
| ·二维局部线性嵌入算法 | 第106-110页 |
| ·算法描述与分析 | 第106-108页 |
| ·实验分析 | 第108-110页 |
| ·本章小结 | 第110-111页 |
| 结论 | 第111-113页 |
| 参考文献 | 第113-121页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第121-122页 |
| 致谢 | 第122页 |
