| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第13-29页 |
| 1.1 引言 | 第13-14页 |
| 1.2 压缩感知理论概述 | 第14-20页 |
| 1.2.1 信号的稀疏表示 | 第15-16页 |
| 1.2.2 观测矩阵的设计 | 第16-18页 |
| 1.2.3 重构原始信号 | 第18-20页 |
| 1.3 稀疏表示 | 第20-23页 |
| 1.3.1 数学模型 | 第20-21页 |
| 1.3.2 字典学习 | 第21-22页 |
| 1.3.3 分类算法框架 | 第22-23页 |
| 1.4 国内外研究现状 | 第23-26页 |
| 1.5 研究内容与结构安排 | 第26-29页 |
| 1.5.1 论文内容概述 | 第26-27页 |
| 1.5.2 论文组织结构 | 第27-29页 |
| 第2章 主流稀疏表示分类算法 | 第29-34页 |
| 2.1 引言 | 第29页 |
| 2.2 部分经典算法介绍 | 第29-31页 |
| 2.2.1 稀疏表示分类器 | 第30页 |
| 2.2.2 组稀疏分类器 | 第30-31页 |
| 2.2.3 加权稀疏表示分类器 | 第31页 |
| 2.2.4 核稀疏表示分类器 | 第31页 |
| 2.3 优化问题求解策略 | 第31-33页 |
| 2.3.1 交替方向乘子法 | 第32页 |
| 2.3.2 迭代重加权最小二乘法 | 第32-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第3章 基于结构及非凸约束的核组稀疏表示分类算法 | 第34-54页 |
| 3.1 引言 | 第34-35页 |
| 3.2 分类框架的一般形式 | 第35-38页 |
| 3.2.1 线性表示型分类算法 | 第36页 |
| 3.2.2 加权表示型分类算法 | 第36-37页 |
| 3.2.3 核表示型分类算法 | 第37-38页 |
| 3.3 算法模型构建 | 第38-46页 |
| 3.3.1 范数归一化问题 | 第38-41页 |
| 3.3.2 算法描述 | 第41-42页 |
| 3.3.3 算法优化求解 | 第42-44页 |
| 3.3.4 收敛性和复杂度分析 | 第44-46页 |
| 3.4 实验分析 | 第46-53页 |
| 3.4.1 数据集描述及实验设置 | 第46-47页 |
| 3.4.2 归一化及非凸惩罚项分析 | 第47-48页 |
| 3.4.3 识别性能分析 | 第48-51页 |
| 3.4.4 运行效率分析 | 第51-53页 |
| 3.5 本章小结 | 第53-54页 |
| 第4章 基于矩阵变量分布的非光滑稀疏表示分类算法 | 第54-75页 |
| 4.1 引言 | 第54-56页 |
| 4.2 多变量分析 | 第56-58页 |
| 4.2.1 经典多元分布比较 | 第56-57页 |
| 4.2.2 矩阵多变量椭圆分布 | 第57-58页 |
| 4.3 算法模型构建 | 第58-66页 |
| 4.3.1 算法描述 | 第58-60页 |
| 4.3.2 算法优化求解 | 第60-62页 |
| 4.3.3 收敛性和复杂度分析 | 第62-66页 |
| 4.4 实验分析 | 第66-73页 |
| 4.4.1 参数的敏感度分析 | 第66-67页 |
| 4.4.2 光照及伪装影响 | 第67-68页 |
| 4.4.3 像素污损影响 | 第68-69页 |
| 4.4.4 随机遮挡影响 | 第69-71页 |
| 4.4.5 无约束自然场景 | 第71-72页 |
| 4.4.6 运行效率分析 | 第72-73页 |
| 4.5 本章小结 | 第73-75页 |
| 第5章 基于混合范数约束的加权矩阵稀疏表示分类算法 | 第75-100页 |
| 5.1 引言 | 第75页 |
| 5.2 稀疏表示分类模型统一框架 | 第75-78页 |
| 5.2.1 损失函数 | 第76-77页 |
| 5.2.2 低秩约束 | 第77页 |
| 5.2.3 系数正则化 | 第77-78页 |
| 5.3 混合污损的鲁棒损失近似值 | 第78-85页 |
| 5.3.1 特征自学习的损失函数 | 第78-81页 |
| 5.3.2 加权非凸低秩约束 | 第81-85页 |
| 5.4 算法模型构建 | 第85-89页 |
| 5.4.1 算法描述 | 第85页 |
| 5.4.2 算法优化求解 | 第85-88页 |
| 5.4.3 两个特例 | 第88页 |
| 5.4.4 识别策略 | 第88-89页 |
| 5.5 实验分析 | 第89-99页 |
| 5.5.1 表情变化影响 | 第89-90页 |
| 5.5.2 随机污损影响 | 第90-94页 |
| 5.5.3 真实伪装影响 | 第94-95页 |
| 5.5.4 混合污损影响 | 第95-96页 |
| 5.5.5 无约束自然场景 | 第96-97页 |
| 5.5.6 特征加权及非凸约束的作用 | 第97-99页 |
| 5.6 本章小结 | 第99-100页 |
| 第6章 压缩感知在河流流速估计中的应用 | 第100-115页 |
| 6.1 引言 | 第100-103页 |
| 6.2 所需配备的设备 | 第103-104页 |
| 6.3 具体实施方案 | 第104-105页 |
| 6.3.1 户外设备安装及配置 | 第104-105页 |
| 6.3.2 目标河流表面水流图像采集 | 第105页 |
| 6.3.3 图像预处理 | 第105页 |
| 6.3.4 表面流速估计 | 第105页 |
| 6.4 预处理降维算法 | 第105-108页 |
| 6.4.1 t分布随机近邻嵌入分析方法 | 第106页 |
| 6.4.2 线性不动点近邻嵌入分析方法 | 第106-108页 |
| 6.5 实验分析 | 第108-114页 |
| 6.5.1 前期采集 | 第109-110页 |
| 6.5.2 无污损水流图像识别 | 第110-112页 |
| 6.5.3 有遮挡水流图像识别 | 第112-113页 |
| 6.5.4 混合污损水流图像识别 | 第113-114页 |
| 6.6 本章小结 | 第114-115页 |
| 第7章 结论与展望 | 第115-118页 |
| 7.1 结论 | 第115-116页 |
| 7.2 展望 | 第116-118页 |
| 参考文献 | 第118-129页 |
| 致谢 | 第129-130页 |
| 攻读学位期间参加的科研项目和成果 | 第130-131页 |