| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第9-18页 |
| 1.1 研究背景及意义 | 第9-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 非负矩阵分解 | 第12-15页 |
| 1.2.2 图像分类算法 | 第15-17页 |
| 1.3 论文组织结构安排 | 第17-18页 |
| 2 非负矩阵分解算法概述 | 第18-33页 |
| 2.1 非负矩阵分解算法的基本原理 | 第18-20页 |
| 2.2 非负矩阵分解算法的目标函数 | 第20页 |
| 2.3 迭代规则及其收敛性证明 | 第20-25页 |
| 2.3.1 迭代规则 | 第20-21页 |
| 2.3.2 收敛性证明 | 第21-25页 |
| 2.4 基于非负矩阵分解算法的变体 | 第25-30页 |
| 2.4.1 半监督约束非负矩阵分解算法 | 第25-27页 |
| 2.4.2 增量式非负矩阵分解算法 | 第27-28页 |
| 2.4.3 图正则化非负矩阵分解算法 | 第28-29页 |
| 2.4.4 双图正则化非负矩阵分解算法 | 第29-30页 |
| 2.5 非负矩阵分解算法的应用 | 第30-32页 |
| 2.6 本章小结 | 第32-33页 |
| 3 基于图正则化和稀疏约束的增量型非负矩阵分解 | 第33-44页 |
| 3.1 基于图正则化和稀疏约束的增量型非负矩阵分解算法 | 第33-36页 |
| 3.1.1 GINMFSC算法的目标函数 | 第33-34页 |
| 3.1.2 GINMFSC算法的迭代更新规则 | 第34-36页 |
| 3.2 实验结果与分析 | 第36-43页 |
| 3.2.1 数据集 | 第36-37页 |
| 3.2.2 参数选择 | 第37-38页 |
| 3.2.3 实验结果 | 第38-42页 |
| 3.2.4 稀疏度度量 | 第42-43页 |
| 3.3 本章小结 | 第43-44页 |
| 4 基于特征融合的多约束非负矩阵分解 | 第44-57页 |
| 4.1 基于特征融合的多约束非负矩阵分解算法 | 第44-46页 |
| 4.2 MCNMFFF算法的收敛性证明 | 第46-48页 |
| 4.3 实验结果与分析 | 第48-56页 |
| 4.3.1 数据集 | 第49页 |
| 4.3.2 评价指标 | 第49-50页 |
| 4.3.3 参数选择 | 第50-51页 |
| 4.3.4 实验结果 | 第51-55页 |
| 4.3.5 稀疏度度量 | 第55-56页 |
| 4.4 本章小结 | 第56-57页 |
| 5 基于双图正则的半监督非负矩阵分解 | 第57-70页 |
| 5.1 基于双图正则的半监督非负矩阵分解算法 | 第57-62页 |
| 5.1.1 DCNMF算法的目标函数及更新规则 | 第57-59页 |
| 5.1.2 DCNMF算法的收敛性证明 | 第59-62页 |
| 5.2 实验结果与分析 | 第62-67页 |
| 5.2.1 参数选择 | 第62-63页 |
| 5.2.2 实验结果 | 第63-67页 |
| 5.2.3 稀疏度度量 | 第67页 |
| 5.3 本文算法对比结果 | 第67-69页 |
| 5.4 本章小结 | 第69-70页 |
| 6 总结与展望 | 第70页 |
| 6.1 论文总结 | 第70页 |
| 6.2 研究展望 | 第70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士期间发表学术论文情况 | 第74-75页 |
| 致谢 | 第75页 |