基于低秩和字典学习的图像分类研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题研究背景与意义 | 第9页 |
| 1.2 研究现状 | 第9-12页 |
| 1.2.1 图像分类国内外研究现状 | 第9-10页 |
| 1.2.2 稀疏表示的国内外研究现状 | 第10-11页 |
| 1.2.3 低秩矩阵恢复的国内外研究现状 | 第11-12页 |
| 1.3 论文主要研究内容 | 第12-13页 |
| 1.4 论文组织安排 | 第13-14页 |
| 第二章 基于低秩和字典学习的图像分类算法 | 第14-25页 |
| 2.1 基于字典学习的图像分类算法 | 第14-19页 |
| 2.1.1 稀疏表示理论 | 第14-15页 |
| 2.1.2 SRC算法 | 第15-16页 |
| 2.1.3 K-SVD算法 | 第16-17页 |
| 2.1.4 LC-KSVD算法 | 第17-19页 |
| 2.2 低秩矩阵恢复 | 第19-21页 |
| 2.2.1 低秩矩阵填充 | 第19-20页 |
| 2.2.2 鲁棒性主成分分析 | 第20页 |
| 2.2.3 低秩表示 | 第20-21页 |
| 2.3 基于低秩和字典学习的算法 | 第21-24页 |
| 2.3.1 低秩字典学习算法 | 第21-22页 |
| 2.3.2 SLRR算法 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于图的低秩表示算法 | 第25-28页 |
| 3.1 图理论 | 第25页 |
| 3.2 NNLRS算法 | 第25-26页 |
| 3.3 GLRR算法 | 第26页 |
| 3.4 NSHLRR算法 | 第26-27页 |
| 3.5 本章小结 | 第27-28页 |
| 第四章 判别低秩字典学习和低秩稀疏表示算法 | 第28-40页 |
| 4.1 DLRD_LRSR模型 | 第28-29页 |
| 4.2 模型优化 | 第29-34页 |
| 4.2.1 稀疏编码 | 第29-31页 |
| 4.2.2 字典更新 | 第31-34页 |
| 4.3 线性分类器训练 | 第34-35页 |
| 4.4实验 | 第35-39页 |
| 4.4.1 Extended Yale B数据集 | 第35-36页 |
| 4.4.2 UMIST数据集 | 第36-37页 |
| 4.4.3 AR数据集 | 第37-39页 |
| 4.5 本章小结 | 第39-40页 |
| 第五章 半监督判别低秩表示图算法 | 第40-49页 |
| 5.1 混合拉普拉斯约束 | 第40-41页 |
| 5.2 模型优化 | 第41-43页 |
| 5.3 构造SDLRR-graph | 第43页 |
| 5.4实验 | 第43-48页 |
| 5.4.1 半监督分类 | 第45-47页 |
| 5.4.2 半监督判别分析 | 第47-48页 |
| 5.5 本章小结 | 第48-49页 |
| 总结与展望 | 第49-51页 |
| 参考文献 | 第51-58页 |
| 攻读硕士学位期间取得的学术成果 | 第58-59页 |
| 致谢 | 第59页 |
