| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-19页 |
| ·图像 | 第9-10页 |
| ·图像分类 | 第10-14页 |
| ·监督分类法 | 第11-12页 |
| ·非监督(无监督)分类法 | 第12-14页 |
| ·图谱理论及其在数字图像处理领域的应用 | 第14-16页 |
| ·非负矩阵 | 第16-17页 |
| ·本文研究的主要内容和组织结构 | 第17-19页 |
| 第二章 基于图的Laplace矩阵和非负矩阵的图像分类 | 第19-30页 |
| ·图的Laplace矩阵、非负矩阵和径向基函数神经网络 | 第20-24页 |
| ·图的Laplace矩阵 | 第20页 |
| ·奇异值分解(SVD)和非负矩阵分解(NMF) | 第20-22页 |
| ·径向基函数神经网络(RBF) | 第22-24页 |
| ·基于图的Laplace矩阵和非负矩阵的图像分类 | 第24页 |
| ·实验结果和分析 | 第24-29页 |
| ·对模拟图像的实验及分析 | 第24-27页 |
| ·对真实图像的实验及分析 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 基于递增权函数的邻接矩阵和非负矩阵分解的图像分类 | 第30-40页 |
| ·相关概念 | 第30-34页 |
| ·基于递增权函数的邻接矩阵 | 第30-31页 |
| ·非负矩阵 | 第31-32页 |
| ·概率神经网络(PNN)分类器 | 第32-34页 |
| ·基于递增权函数的邻接矩阵和非负矩阵分解的图像分类 | 第34页 |
| ·实验和分析 | 第34-39页 |
| ·模拟图像实验和分析 | 第34-37页 |
| ·真实图像实验及分析 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于高斯核函数的Laplace矩阵和非负矩阵的图像分类 | 第40-50页 |
| ·基于高斯核函数的Laplace矩阵 | 第40-42页 |
| ·非负矩阵、局部非负矩阵、稀疏非负矩阵 | 第42-45页 |
| ·非负矩阵(NMF) | 第42-43页 |
| ·局部非负矩阵(LNMF) | 第43-44页 |
| ·稀疏非负矩阵(CNMF) | 第44-45页 |
| ·基于高斯核函数的Laplace矩阵和非负矩阵分解的图像分类 | 第45-46页 |
| ·实验结果与分析 | 第46-49页 |
| ·模拟图像实验与分析 | 第46-48页 |
| ·真实图像实验结果与分析 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-53页 |
| ·论文总结 | 第50-51页 |
| ·研究展望 | 第51-53页 |
| 参考文献 | 第53-58页 |
| 致谢 | 第58-59页 |
| 攻读硕士学位期间发表的论文目录及参加的科研项目 | 第59页 |
