基于低秩矩阵恢复的数据表征与分类
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-16页 |
| ·研究的背景与意义 | 第9-11页 |
| ·研究的国内外现状 | 第11-14页 |
| ·本文的主要工作 | 第14页 |
| ·本文的章节安排 | 第14-16页 |
| 2 传统的数据表征与分类算法 | 第16-27页 |
| ·引言 | 第16-17页 |
| ·稀疏表示 | 第17-18页 |
| ·主成分分析(PCA)及其推广形式 | 第18-20页 |
| ·稀疏主成分分析 | 第18-19页 |
| ·鲁棒主成分分析 | 第19-20页 |
| ·矩阵重建 | 第20-23页 |
| ·矩阵恢复 | 第20-22页 |
| ·矩阵填充 | 第22-23页 |
| ·数据表征与分类算法在人脸识别上的应用 | 第23-26页 |
| ·SRC算法介绍 | 第23-24页 |
| ·SRC在人脸数据集上的仿真实验 | 第24-25页 |
| ·其他研究者在相关领域的研究工作 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 3 低秩矩阵恢复在数据表征与分类中的应用 | 第27-39页 |
| ·引言 | 第27页 |
| ·低秩表示(LRR)理论 | 第27-29页 |
| ·低秩表示(LRR)在人脸识别系统上的应用 | 第29-33页 |
| ·将LRR应用到人脸识别系统 | 第29-32页 |
| ·算法在数据集上的仿真实验 | 第32-33页 |
| ·低秩矩阵恢复算法(LRMR)与传统算法的比较 | 第33-38页 |
| ·本章小结 | 第38-39页 |
| 4 基于Fisher判别准则的低秩矩阵恢复算法 | 第39-53页 |
| ·引言 | 第39-40页 |
| ·本文所提算法 | 第40-45页 |
| ·问题设定 | 第40页 |
| ·类内和类间散度 | 第40-42页 |
| ·低秩矩阵恢复的判别性 | 第42-45页 |
| ·带有判别性的低秩矩阵进行人脸识别 | 第45-47页 |
| ·本文所提算法的实验结果对比 | 第47-52页 |
| ·两个数据集 | 第47-48页 |
| ·实验结果 | 第48-52页 |
| ·本章小结 | 第52-53页 |
| 5 总结与展望 | 第53-55页 |
| ·工作总结 | 第53-54页 |
| ·今后的工作展望 | 第54-55页 |
| 参考文献 | 第55-61页 |
| 附录 英文缩写对应全称 | 第61-62页 |
| 攻读学位期间取得的研究成果 | 第62-63页 |
| 致谢 | 第63-65页 |
