基于重构信息保持的降维算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 研究背景及意义 | 第7页 |
| 1.2 国内外研究现状 | 第7-8页 |
| 1.2.1 特征提取 | 第7-8页 |
| 1.2.2 特征选择 | 第8页 |
| 1.3 本文主要研究内容及创新点 | 第8-9页 |
| 1.4 本文组织结构 | 第9-11页 |
| 第二章 经典降维方法综述 | 第11-17页 |
| 2.1 经典特征提取算法介绍 | 第11-13页 |
| 2.1.1 主成分分析（PCA） | 第11页 |
| 2.1.2 线性判别分析（LDA） | 第11-12页 |
| 2.1.3 局部线性嵌入（LLE） | 第12页 |
| 2.1.4 局部保持投影（LLP） | 第12-13页 |
| 2.1.5 稀疏保持投影（SPP） | 第13页 |
| 2.2 经典特征选择方法介绍 | 第13-15页 |
| 2.2.1 Fisher Score | 第13-14页 |
| 2.2.2 Relief-F | 第14页 |
| 2.2.3 Mutual Information | 第14-15页 |
| 2.2.4 m RMR | 第15页 |
| 2.3 评价指标 | 第15-16页 |
| 2.4 本章小结 | 第16-17页 |
| 第三章 基于全局距离和类别信息的邻域保持嵌入算法 | 第17-25页 |
| 3.1 引言 | 第17页 |
| 3.2 邻域保持嵌入算法分析 | 第17-18页 |
| 3.3 基于全局距离和类别信息的邻域保持嵌入算法 | 第18-19页 |
| 3.3.1 全局距离描述 | 第18-19页 |
| 3.3.2 类别信息描述 | 第19页 |
| 3.3.3 特征提取 | 第19页 |
| 3.4 实验 | 第19-24页 |
| 3.4.1 实验涉及的数据库介绍 | 第20-21页 |
| 3.4.2 实验结果与分析 | 第21-24页 |
| 3.5 本章小结 | 第24-25页 |
| 第四章 基于判别混合结构的保持投影 | 第25-36页 |
| 4.1 引言 | 第25页 |
| 4.2 近邻表示 | 第25-26页 |
| 4.3 稀疏表示 | 第26页 |
| 4.4 基于判别混合结构的保持投影 | 第26-30页 |
| 4.4.1 构造混合结构 | 第27-28页 |
| 4.4.2 构造目标函数 | 第28-30页 |
| 4.5 实验 | 第30-35页 |
| 4.5.1 数据集介绍 | 第30-31页 |
| 4.5.2 训练参数 | 第31-32页 |
| 4.5.3 实验结果及分析 | 第32-35页 |
| 4.6 本章小结 | 第35-36页 |
| 第五章 总结与展望 | 第36-38页 |
| 5.1 研究内容总结 | 第36页 |
| 5.2 下一步工作 | 第36-38页 |
| 参考文献 | 第38-42页 |
| 攻读硕士学位期间的主要成果 | 第42-43页 |
| 致谢 | 第43页 |
