基于高斯过程隐变量模型的数据降维与分类
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景和意义 | 第9页 |
| 1.2 国内外研究现状分析 | 第9-11页 |
| 1.3 本文研究内容 | 第11页 |
| 1.4 本文结构安排 | 第11-13页 |
| 第2章 相关理论基础 | 第13-28页 |
| 2.1 高斯过程 | 第13-16页 |
| 2.1.1 高斯过程简介 | 第13-14页 |
| 2.1.2 高斯过程回归 | 第14-15页 |
| 2.1.3 高斯过程预测模型 | 第15页 |
| 2.1.4 高斯过程回归图模型 | 第15-16页 |
| 2.2 高斯过程隐变量模型 | 第16-21页 |
| 2.2.1 概率主成分分析 | 第16-17页 |
| 2.2.2 高斯过程隐变量模型模型简介 | 第17-19页 |
| 2.2.3 高斯过程隐变量模型降维的本质 | 第19-21页 |
| 2.3 高斯过程隐变量模型的扩展 | 第21-25页 |
| 2.3.1 监督的高斯过程隐变量模型 | 第21-24页 |
| 2.3.2 监督的隐变量线性高斯过程隐变量模型 | 第24-25页 |
| 2.4 高斯混合模型 | 第25-26页 |
| 2.5 本章小结 | 第26-28页 |
| 第3章 基于高斯混合模型的有监督的高斯隐变量模型 | 第28-42页 |
| 3.1 引言 | 第28页 |
| 3.2 模型介绍 | 第28-31页 |
| 3.3 目标函数的梯度 | 第31-33页 |
| 3.4 实验结果与分析 | 第33-40页 |
| 3.4.1 数据可视化 | 第34-37页 |
| 3.4.2 分类精度比较 | 第37-39页 |
| 3.4.3 时间复杂度比较 | 第39-40页 |
| 3.5 本章小结 | 第40-42页 |
| 第4章 基于多核高斯过程动态模型的人体姿态建模 | 第42-53页 |
| 4.1 引言 | 第42页 |
| 4.2 模型简介 | 第42-45页 |
| 4.3 优化和预测 | 第45-48页 |
| 4.3.1 优化 | 第45-47页 |
| 4.3.2 预测 | 第47-48页 |
| 4.4 实验结果与分析 | 第48-52页 |
| 4.4.1 人行走模型 | 第49-50页 |
| 4.4.2 人奔跑模型 | 第50-51页 |
| 4.4.3 人打高尔夫运动模型 | 第51-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第5章 总结与展望 | 第53-55页 |
| 5.1 总结 | 第53-54页 |
| 5.2 展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 附录1 攻读硕士学位期间发表的论文 | 第60-61页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第61页 |
