| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 课题的研究内容和主要贡献 | 第16页 |
| 1.4 本文组织结构 | 第16-17页 |
| 第二章 非负矩阵分解基础理论 | 第17-31页 |
| 2.1 引言 | 第17-18页 |
| 2.2 非负矩阵分解的概念和性质 | 第18-20页 |
| 2.3 基本非负矩阵分解算法 | 第20-23页 |
| 2.3.1 目标函数 | 第21页 |
| 2.3.2 基本非负矩阵分解优化框架 | 第21-22页 |
| 2.3.3 经典算法 | 第22-23页 |
| 2.4 改进的非负矩阵分解算法 | 第23-27页 |
| 2.4.1 带约束的非负矩阵分解算法 | 第23-25页 |
| 2.4.2 结构化的非负矩阵分解算法 | 第25-27页 |
| 2.5 非负矩阵分解算法扩展 | 第27-30页 |
| 2.5.1 半非负矩阵数据类型 | 第27-28页 |
| 2.5.2 高维数据类型 | 第28-29页 |
| 2.5.3 非线性非负矩阵分解模型 | 第29-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第三章 基于β散度的非负矩阵分解算法 | 第31-49页 |
| 3.1 引言 | 第31-32页 |
| 3.2 β散度基本理论 | 第32-33页 |
| 3.2.1 β散度 | 第32页 |
| 3.2.2 基于β散度的非负矩阵分解 | 第32-33页 |
| 3.3 算法描述 | 第33-39页 |
| 3.3.1 β-NMF优化 | 第33-34页 |
| 3.3.2 β-NMF的自主相关决策算法模型 | 第34-36页 |
| 3.3.3 ARDβ-NM算法 | 第36-39页 |
| 3.4 实验仿真 | 第39-47页 |
| 3.4.1 基本聚类实验 | 第39-43页 |
| 3.4.2 文档聚类实验 | 第43-47页 |
| 3.5 本章小结 | 第47-49页 |
| 第四章 局部平滑约束非负矩阵算法及其在多谱信号处理中的应用 | 第49-60页 |
| 4.1 引言 | 第49-50页 |
| 4.2 NMF-NCR算法 | 第50-54页 |
| 4.2.1 算法模型 | 第50-52页 |
| 4.2.2 算法推导 | 第52-54页 |
| 4.3 实验仿真 | 第54-57页 |
| 4.3.1 计算机产生的数据集 | 第54-55页 |
| 4.3.2 多光谱图像数据集 | 第55-57页 |
| 4.4 本章小结 | 第57-60页 |
| 总结与展望 | 第60-62页 |
| 总结 | 第60-61页 |
| 后续研究计划 | 第61-62页 |
| 参考文献 | 第62-69页 |
| 攻读学位期间发表的论文 | 第69-71页 |
| 致谢 | 第71页 |