首页--数理科学和化学论文--数学论文--几何、拓扑论文--向量(矢量)和张量分析论文--张量分析论文

矩阵和张量分解在分类中的应用

摘要第4-5页
Abstract第5页
第一章 绪论第10-14页
    1.1 研究的背景和意义第10页
    1.2 国内外研究现状第10-13页
        1.2.1 矩阵分解的研究现状第11-12页
        1.2.2 张量分解的研究现状第12-13页
    1.3 本文研究的主要内容第13-14页
第二章 矩阵分解第14-32页
    2.1 主成分分析法(PCA)第14-18页
        2.1.1 理论基础第14-17页
        2.1.2 算法流程第17-18页
    2.2 线性判别分析法(LDA)第18-24页
        2.2.1 理论基础第18-21页
        2.2.2 算法流程第21-24页
    2.3 非负矩阵分解(NMF)第24-31页
        2.3.1 非负矩阵分解理论第25页
        2.3.2 目标函数第25-27页
        2.3.3 迭代规则第27-29页
        2.3.4 非负矩阵分解算法流程第29-31页
    2.4 本章小结第31-32页
第三章 张量分解第32-48页
    3.1 张量分解基础知识第33-36页
        3.1.1 基本符号第33-34页
        3.1.2 基本运算第34-36页
    3.2 CP和Tucker分解第36-40页
        3.2.1 CP分解第36-38页
        3.2.2 Tucker分解第38-40页
    3.3 高阶线性判别分析法(HODA)第40-43页
    3.4 非负张量分解(NTD)第43-47页
    3.5 本章小节第47-48页
第四章 算法性能测试与分析第48-72页
    4.1 实验的整体思路第48-49页
    4.2 实验环境第49-50页
        4.2.1 硬件环境第49页
        4.2.2 软件环境第49-50页
    4.3 实验准备第50-56页
        4.3.1 COIL-20数据预处理和建模第50-52页
        4.3.2 CMDG-2数据预处理和建模第52-53页
        4.3.3 参数设定第53-54页
        4.3.4 评价指标第54-56页
    4.4 实验结果第56-71页
        4.4.1 稳定性对比第56-58页
        4.4.2 训练样本数量变化时的性能对比第58-63页
        4.4.3 特征维数变化时的性能对比第63-67页
        4.4.4 近邻数变化时的性能对比第67-71页
    4.5 本章小节第71-72页
第五章 结论与展望第72-74页
    5.1 结论第72-73页
    5.2 展望第73-74页
参考文献第74-80页
致谢第80页

论文共80页,点击 下载论文
上一篇:Lipschitz函数优化的一个无导数算法
下一篇:模糊辨识方法及其应用研究