| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第10-14页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 论文的主要工作 | 第12-13页 |
| 1.4 本文的组织结构 | 第13-14页 |
| 2 相关理论背景 | 第14-24页 |
| 2.1 聚类分析概述 | 第14-18页 |
| 2.1.1 聚类算法理论与应用 | 第14-16页 |
| 2.1.2 典型聚类算法介绍 | 第16-18页 |
| 2.2 子空间聚类 | 第18-19页 |
| 2.2.1 子空间聚类理论知识 | 第18页 |
| 2.2.2 典型子空间聚类算法介绍 | 第18-19页 |
| 2.3 目前流形的凸优化算法 | 第19-21页 |
| 2.3.1 内点法 | 第19-20页 |
| 2.3.2 交替方向法 | 第20-21页 |
| 2.4 本章小结 | 第21-24页 |
| 3 谱聚类算法 | 第24-38页 |
| 3.1 谱聚类算法介绍 | 第24-29页 |
| 3.1.1 图谱理论 | 第24-25页 |
| 3.1.2 相似度矩阵、度矩阵、拉普拉斯矩阵 | 第25-27页 |
| 3.1.3 图划分准则 | 第27-29页 |
| 3.2 典型的谱聚类算法 | 第29-34页 |
| 3.2.1 迭代谱聚类算法 | 第30-32页 |
| 3.2.2 多路谱聚类算法 | 第32页 |
| 3.2.3 基于流形距离核的谱聚类算法 | 第32-34页 |
| 3.3 自动确定聚类数目的谱聚类算法 | 第34-35页 |
| 3.4 仿真实验分析 | 第35-37页 |
| 3.4.1 自适应谱聚类与k-means算法 | 第35-36页 |
| 3.4.2 自适应谱聚类算与自适应流行距离的谱聚类算法 | 第36-37页 |
| 3.5 本章小结 | 第37-38页 |
| 4 一种改进的稀疏子空间聚类算法研究 | 第38-48页 |
| 4.1 算法简述 | 第38页 |
| 4.2 数据稀疏表示 | 第38-39页 |
| 4.3 目前流形的聚类算法介绍 | 第39-42页 |
| 4.3.1 稀疏子空间聚类算法 | 第39-41页 |
| 4.3.2 低秩子空间聚类算法 | 第41-42页 |
| 4.4 混合最小二乘回归的稀疏子空间聚类算法 | 第42-44页 |
| 4.5 仿真实验分析 | 第44-47页 |
| 4.5.1 人工数据集进行实验 | 第44-45页 |
| 4.5.2 人脸聚类实验 | 第45-47页 |
| 4.6 本章小结 | 第47-48页 |
| 5 改进稀疏子空间聚类算法在运动分割中的应用研究 | 第48-54页 |
| 5.1 运动分割概述 | 第48页 |
| 5.2 建立运动分割模型 | 第48-49页 |
| 5.3 研究改进算法在运动分割中的应用 | 第49-53页 |
| 5.4 本章小结 | 第53-54页 |
| 6 总结与展望 | 第54-56页 |
| 6.1 总结 | 第54页 |
| 6.2 展望 | 第54-56页 |
| 致谢 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第62页 |