基于非负矩阵分解的图像分类算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-14页 |
| ·研究背景及意义 | 第8-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·非负矩阵分解 | 第10-11页 |
| ·图像分类 | 第11-13页 |
| ·论文的研究内容与章节安排 | 第13-14页 |
| 2 非负矩阵分解基本理论 | 第14-27页 |
| ·非负矩阵分解简介 | 第14-15页 |
| ·非负矩阵分解的目标函数 | 第15-16页 |
| ·迭代规则以及算法的收敛性 | 第16-20页 |
| ·迭代规则 | 第16-17页 |
| ·收敛性证明 | 第17-20页 |
| ·非负矩阵分解的改进算法 | 第20-24页 |
| ·半监督非负矩阵分解算法 | 第21页 |
| ·图正则非负矩阵分解算法 | 第21-22页 |
| ·增量型非负矩阵分解算法 | 第22-23页 |
| ·半非负矩阵分解算法 | 第23-24页 |
| ·非负矩阵分解的应用 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 3 基于图正则化和稀疏约束的半监督非负矩阵分解 | 第27-38页 |
| ·基于图正则化和稀疏约束的半监督非负矩阵分解算法 | 第27-28页 |
| ·GCNMFS算法收敛性证明 | 第28-30页 |
| ·实验结果与分析 | 第30-37页 |
| ·数据集 | 第30-31页 |
| ·评价指标 | 第31-32页 |
| ·实验结果 | 第32-36页 |
| ·基图像的稀疏度 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 4 基于稀疏约束的增量型非负矩阵分解 | 第38-49页 |
| ·基于稀疏约束的增量型非负矩阵分解算法 | 第38-42页 |
| ·基于3/2l稀疏约束的INMF算法 | 第38-40页 |
| ·基于2l稀疏约束的INMF算法 | 第40-41页 |
| ·基于1l稀疏约束的INMF算法 | 第41-42页 |
| ·基于INMFSC算法的图像分类 | 第42-43页 |
| ·实验结果与分析 | 第43-48页 |
| ·数据集 | 第43-44页 |
| ·实验结果 | 第44-47页 |
| ·稀疏度度量 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 5 基于图正则化和稀疏约束的增量型非负矩阵分解 | 第49-59页 |
| ·基于图正则化和稀疏约束的增量型非负矩阵分解算法 | 第49-51页 |
| ·目标函数 | 第49页 |
| ·迭代规则 | 第49-51页 |
| ·图像表示和分类实验 | 第51-58页 |
| ·数据集 | 第51-52页 |
| ·实验结果 | 第52-57页 |
| ·稀疏度度量 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 6 总结与展望 | 第59-60页 |
| ·论文总结 | 第59页 |
| ·研究展望 | 第59-60页 |
| 参考文献 | 第60-62页 |
| 攻读硕士期间发表学术论文情况 | 第62-63页 |
| 致谢 | 第63页 |
