| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 选题的背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 文章内容与结构安排 | 第12-13页 |
| 第二章 子空间聚类学习的综述 | 第13-27页 |
| 2.1 子空间聚类的基本概念 | 第13-14页 |
| 2.2 子空间聚类的相关算法 | 第14-25页 |
| 2.2.1 代数法 | 第14-19页 |
| 2.2.2 统计法 | 第19-22页 |
| 2.2.3 基于谱聚类算法 | 第22-25页 |
| 2.3 稀疏子空间聚类的基本概念 | 第25页 |
| 2.4 稀疏子空间聚类的算法 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于l_p范数的含Gaussian噪音的子空间聚类模型 | 第27-35页 |
| 3.1 含Gaussian噪音模型的建立 | 第27页 |
| 3.2 含Gaussian噪音模型的求解 | 第27-30页 |
| 3.3 含Gaussian噪音模型的实验 | 第30-35页 |
| 3.3.1 实验设计 | 第30页 |
| 3.3.2 数据生成 | 第30页 |
| 3.3.3 含高斯噪音的数据生成 | 第30-31页 |
| 3.3.4 高斯噪音模型的实验结果 | 第31-32页 |
| 3.3.5 人脸聚类 | 第32-35页 |
| 第四章 基于l_p范数的含稀疏噪音的子空间聚类模型 | 第35-43页 |
| 4.1 稀疏噪音模型的建立 | 第35页 |
| 4.2 稀疏噪音模型的求解 | 第35-38页 |
| 4.3 稀疏噪音模型的实验 | 第38-43页 |
| 4.3.1 含稀疏噪音的数据生成 | 第38页 |
| 4.3.2 稀疏噪音模型的实验结果 | 第38-40页 |
| 4.3.4 人脸聚类 | 第40-43页 |
| 第五章 总结与展望 | 第43-45页 |
| 5.1 工作总结 | 第43页 |
| 5.2 工作展望 | 第43-45页 |
| 参考文献 | 第45-49页 |
| 致谢 | 第49-51页 |
| 攻读硕士期间发表的学术论文和参加的课题 | 第51页 |