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

基于低秩的子空间聚类算法

摘要第5-6页
Abstract第6-7页
第一章 绪论第10-17页
    1.1 研究背景与意义第10-11页
    1.2 国内外研究现状第11-15页
        1.2.1 子空间聚类的研究现状第11-13页
        1.2.2 多视图聚类的研究现状第13-15页
    1.3 主要研究工作第15-16页
    1.4 论文的组织结构第16-17页
第二章 背景知识第17-24页
    2.1 谱聚类第17-18页
    2.2 子空间聚类算法第18-20页
    2.3 多视图子空间聚类第20-21页
    2.4 增广拉格朗日乘子法第21-22页
    2.5 交替方向乘子算法第22-23页
    2.6 本章小结第23-24页
第三章 基于联合schattenp范数和p范数的低秩单视图子空间聚类算法第24-35页
    3.1 引言第24页
    3.2 算法模型与求解第24-30页
        3.2.1 算法模型第24-26页
        3.2.2 算法的求解第26-30页
    3.3 实验结果与分析第30-33页
        3.3.1 在ORL人脸数据集的实验结果第31-32页
        3.3.2 在ExtendedYaleDatabaseB数据集的实验结果第32-33页
        3.3.3 在COIL20数据集的实验结果第33页
    3.4 本章小结第33-35页
第四章 低秩多视图子空间聚类算法第35-53页
    4.1 引言第35页
    4.2 基于核范数的低秩多视图子空间聚类算法第35-40页
        4.2.1 基于核范数低秩多视图子空间聚类模型第35-37页
        4.2.2 基于核范数低秩多视图子空间聚类模型的求解算法第37-40页
    4.3 基于schattenp范数的低秩多视图子空间聚类算法第40-42页
    4.4 两种算法的关系第42-43页
    4.5 实验结果与分析第43-51页
        4.5.1 特征描述第43-44页
        4.5.2 数据集描述第44-45页
        4.5.3 实验结果与分析第45-51页
    4.6 本章小结第51-53页
总结与展望第53-56页
参考文献第56-59页
攻读硕士学位期间取得的研究成果第59-60页
附件第60-61页
致谢第61-62页

论文共62页,点击 下载论文
上一篇:基于非负矩阵分解的聚类算法研究
下一篇:不确定环境下车牌照定位技术研究