首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于t-混合模型和扩展保局投影的聚类与降维方法研究

中文摘要第1-6页
英文摘要第6-9页
目录第9-19页
第零章 绪论第19-29页
   ·引言第19-21页
   ·模式识别中的几个概念第21-22页
   ·聚类第22-23页
   ·降维第23-24页
   ·本文的工作第24-29页
第一章 有限混合模型及其参数EM算法第29-45页
   ·引言第29-30页
   ·混合密度和可辨识性第30-33页
     ·混合密度的定义与解释第30-32页
     ·有限混合模型的可辨识性第32-33页
   ·极大似然估计及其EM算法第33-39页
     ·极大似然估计第34-35页
     ·有限混合模型的EM算法第35-39页
   ·多元高斯混合模型及其EM算法第39-42页
   ·模型选择第42-44页
   ·本章小结第44-45页
第二章 稳健t-混合建模的EM算法第45-75页
   ·引言第45-48页
   ·多元t-混合模型及其参数EM算法第48-53页
     ·多元t-分布的定义第48-50页
     ·多元t-混合模型的极大似然估计及其EM算法第50-53页
   ·使用SMEM算法的稳健t-混合建模第53-65页
     ·引言第53-54页
     ·分裂合并等式第54-56页
     ·分裂合并方法第56-58页
     ·稳健t-混合建模的SMEM算法第58-59页
     ·实验结果第59-62页
     ·结论第62-65页
   ·稳健t-混合建模的贪婪EM算法第65-72页
     ·引言第65-66页
     ·贪婪EM算法第66-67页
     ·稳健t-混合建模的贪婪EM算法第67-70页
     ·实验结果第70-72页
     ·结论第72页
   ·本章小结第72-75页
第三章 模式识别中的降维方法及分析第75-95页
   ·引言第75-76页
   ·主成分分析(PCA)第76-80页
   ·二维主成分分析(2D-PCA)第80-82页
   ·线性判别分析(LDA)第82-84页
   ·二维线性判别分析(2D-LDA)第84-86页
   ·非负矩阵分解(NMF)第86-88页
   ·MDS与ISOMAP第88-90页
   ·局部线性嵌入(LLE)第90-93页
   ·Laplacian Eigenmaps第93-94页
   ·本章小结第94-95页
第四章 保局投影:一个新的线性降维方法第95-137页
   ·引言第95-98页
   ·保局投影(LPP)第98-102页
   ·基于QR分解的保局投影第102-112页
     ·引言第102-103页
     ·LPP/QR算法第103-106页
     ·与广义LPP的等价性第106-107页
     ·应用实验第107-111页
     ·结论第111-112页
   ·二维保局投影第112-128页
     ·引言第112页
     ·2D-LPP算法第112-116页
     ·2D-LPP与其它二维线性降维方法之间的联系第116-119页
     ·应用实验第119-127页
     ·结论第127-128页
   ·双向二维保局投影第128-134页
     ·引言第128页
     ·B2DLPP算法第128-132页
     ·应用试验第132-134页
     ·结论第134页
   ·本章小结第134-137页
第五章 线性降维方法的混合模型第137-147页
   ·引言第137-138页
   ·主成分分析混合模型(PCA混合)第138-140页
   ·线性判别分析混合模型(LDA混合)第140-141页
   ·保局投影混合模型(LPP混合)第141-142页
   ·应用实验第142-144页
     ·在一个合成数据集上的实验第142-144页
     ·在Yale人脸图像库上的实验第144页
   ·本章小结第144-147页
第六章 总结、讨论与下一步工作第147-151页
参考文献第151-171页
攻读博士学位期间发表的论文第171-173页
致谢第173页

论文共173页,点击 下载论文
上一篇:仿生计算在生物信息学中的应用
下一篇:非线性Klein-Gordon方程和Euler方程的严格解