流形学习与稀疏表示在模式识别中的应用
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第12-42页 |
| 1.1 课题背景和意义 | 第12-13页 |
| 1.2 流形学习研究现状 | 第13-32页 |
| 1.2.1 流形学习概述 | 第13-18页 |
| 1.2.2 流形学习经典算法与研究现状 | 第18-32页 |
| 1.3 稀疏表示研究现状 | 第32-38页 |
| 1.4 论文研究内容与主要贡献 | 第38-40页 |
| 1.5 论文结构安排 | 第40-42页 |
| 第二章 半监督非参数判别分析 | 第42-53页 |
| 2.1 引言 | 第42-43页 |
| 2.2 参数判别分析 | 第43-44页 |
| 2.3 两类非参数判别分析 | 第44页 |
| 2.4 多类非参数判别分析 | 第44-46页 |
| 2.5 半监督非参数判别分析 | 第46-48页 |
| 2.6 实验研究 | 第48-52页 |
| 2.6.1 合成实验 | 第48-50页 |
| 2.6.2 现实世界数据实验 | 第50-52页 |
| 2.7 本章小结 | 第52-53页 |
| 第三章 多流形正则化半监督学习 | 第53-74页 |
| 3.1 引言 | 第53-57页 |
| 3.1.1 多流形学习概述 | 第54-56页 |
| 3.1.2 研究动机和主要贡献 | 第56-57页 |
| 3.2 半监督高斯混合模型 | 第57-60页 |
| 3.2.1 混合模型和期望最大算法 | 第57-58页 |
| 3.2.2 半监督高斯混合模型 | 第58-60页 |
| 3.3 具备局部和几何一致性的相似图 | 第60-62页 |
| 3.4 多流形正则化的高斯混合模型 | 第62-64页 |
| 3.5 计算复杂度分析 | 第64-65页 |
| 3.6 实验 | 第65-72页 |
| 3.6.1 合成数据模拟试验 | 第66-69页 |
| 3.6.2 图像识别 | 第69-70页 |
| 3.6.3 3-D运动分割 | 第70-72页 |
| 3.7 本章小结 | 第72-74页 |
| 第四章 稀疏表示在模式识别中的应用 | 第74-95页 |
| 4.1 引言 | 第74-75页 |
| 4.2 稀疏表示与l~1图构建 | 第75-78页 |
| 4.2.1 稀疏表示与压缩感知 | 第75-76页 |
| 4.2.2 稀疏l~1-图构建 | 第76-78页 |
| 4.3 相关的无监督线形降维方法 | 第78-83页 |
| 4.3.1 主成分分析PCA | 第79-80页 |
| 4.3.2 局部保持投影LPP | 第80-81页 |
| 4.3.3 邻域保持嵌入NPE | 第81-82页 |
| 4.3.4 稀疏保持投影SPP | 第82-83页 |
| 4.4 子流形稀疏保持投影 | 第83-93页 |
| 4.4.1 研究动机和基本思想 | 第83-85页 |
| 4.4.2 子流形稀疏保留投影 | 第85-87页 |
| 4.4.3 与相关工作的联系与区别 | 第87页 |
| 4.4.4 实验 | 第87-93页 |
| 4.5 本章小结 | 第93-95页 |
| 第五章 总结与展望 | 第95-98页 |
| 参考文献 | 第98-111页 |
| 致谢 | 第111-112页 |
| 科研成果 | 第112-113页 |
