| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究现状 | 第10-11页 |
| 1.3 研究内容 | 第11-12页 |
| 1.4 论文的组织结构 | 第12-13页 |
| 第二章 相关理论与方法 | 第13-25页 |
| 2.1 典型主成分分析 | 第13-14页 |
| 2.2 增量主成分分析 | 第14-17页 |
| 2.3 多线性主成分分析 | 第17-22页 |
| 2.3.1 张量的基本概念 | 第17-19页 |
| 2.3.2 多线性主成分分析 | 第19-21页 |
| 2.3.3 多线性主成分分析算法 | 第21-22页 |
| 2.4 线性支持高阶张量机 | 第22-23页 |
| 2.5 基于多线性主成分分析的支持高阶张量机模型 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第三章 在线近似多线性主成分分析 | 第25-35页 |
| 3.1 在线近似多线性主成分分析思想 | 第25页 |
| 3.2 单个样本的在线近似多线性主成分分析 | 第25-28页 |
| 3.3 多个样本的在线近似多线性主成分分析 | 第28-33页 |
| 3.4 基于在线近似多线性主成分分析的支持高阶张量机 | 第33页 |
| 3.5 本章小结 | 第33-35页 |
| 第四章 实验与结果分析 | 第35-51页 |
| 4.1 实验环境及参数说明 | 第35页 |
| 4.2 实验数据来源 | 第35-37页 |
| 4.3 实验具体步骤 | 第37-39页 |
| 4.4 实验结果与分析 | 第39-50页 |
| 4.4.1 算法的信息保留率、降维时间对比 | 第39-49页 |
| 4.4.2 算法的降维效果对比 | 第49-50页 |
| 4.5 本章小结 | 第50-51页 |
| 结论和展望 | 第51-52页 |
| 本文的结论 | 第51页 |
| 算法的展望 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 攻读硕士学位期间取得的研究成果 | 第57-58页 |
| 致谢 | 第58-59页 |
| 附件 | 第59页 |