基于稀疏编码的主动学习方法在图像分类中的研究

摘要	第1-5页
ABSTRACT	第5-8页
第一章 绪论	第8-14页
·研究背景与意义	第8-9页
·国内外研究现状	第9-11页
·论文的相关安排	第11-14页
第二章 主动学习概述	第14-20页
·实验设计	第15-16页
·直推式实验设计（TED）	第16-17页
·流形适应性实验设计（MAED）	第17-20页
·流形适应性核空间	第17-18页
·MAED 算法	第18-20页
第三章 稀疏编码相关研究	第20-30页
·稀疏编码	第20-22页
·L1-最小化问题	第22-23页
·两种传统的 L1-最小化算法	第23-25页
·内点法	第23-24页
·同伦算法	第24-25页
·一阶 L1-最小化算法	第25-30页
·近点法	第25-27页
·平行坐标下降法（PCD）	第27页
·近似信息传递法（AMP）	第27-28页
·凸锥连接器法（TFOCS）	第28-30页
第四章 基于稀疏编码的主动学习	第30-36页
·图构造的相关理论	第30-34页
·传统的图构造方法	第31-32页
·L1-范数图的构造	第32-33页
·L1-范数和 L2-范数的比较	第33-34页
·稀疏自适应性实验设计算法	第34-35页
·本章小结	第35-36页
第五章 实验结果与分析	第36-42页
·数据集和实验设置	第36-37页
·实验结果分析	第37-41页
·实验小结	第41-42页
参考文献	第42-45页
致谢	第45-46页
攻读学位期间发表的学术论文和参加科研情况	第46页