| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第13-30页 |
| 1.1 研究背景与意义 | 第13-15页 |
| 1.2 研究现状及存在的问题 | 第15-25页 |
| 1.2.1 基于手工设计的图像表示方法 | 第15-17页 |
| 1.2.2 基于学习的图像表示方法 | 第17-25页 |
| 1.2.2.1 基于深度学习的图像特征学习方法 | 第17-19页 |
| 1.2.2.2 基于矩阵分解的图像特征学习方法 | 第19-25页 |
| 1.3 本文研究内容及创新点 | 第25-27页 |
| 1.3.1 研究内容 | 第25-26页 |
| 1.3.2 创新点 | 第26-27页 |
| 1.4 本文结构安排 | 第27-30页 |
| 第二章 基于无监督矩阵深度低秩分解的图像表示方法及其应用 | 第30-50页 |
| 2.1 研究现状及问题形成 | 第30-32页 |
| 2.2 预备知识 | 第32-37页 |
| 2.2.1 RPCA模型 | 第32-34页 |
| 2.2.2 LRR模型 | 第34-37页 |
| 2.3 矩阵深度低秩分解算法 | 第37-41页 |
| 2.3.1 矩阵深度低秩分解算法的构建 | 第37-40页 |
| 2.3.2 矩阵深度低秩分解算法的求解 | 第40-41页 |
| 2.4 实验评测 | 第41-48页 |
| 2.4.1 基于人工合成数据集实验 | 第42-44页 |
| 2.4.2 基于Extended Yale B人脸数据集实验 | 第44-45页 |
| 2.4.3 基于AR人脸数据集实验 | 第45-46页 |
| 2.4.4 基于Caltech 101数据集实验 | 第46-48页 |
| 2.5 本章小结 | 第48-50页 |
| 第三章 矩阵低秩分解在乳腺癌染色病理图像中的应用 | 第50-69页 |
| 3.1 研究现状及存在的问题 | 第50-53页 |
| 3.2 乳腺癌病理图像表示的预处理 | 第53-54页 |
| 3.3 针对乳腺病理图像颜色分离的矩阵低秩分解方法 | 第54-61页 |
| 3.4 乳腺癌病理图像表示的后处理 | 第61-63页 |
| 3.5 实验评测 | 第63-68页 |
| 3.5.1 实验设置 | 第63-64页 |
| 3.5.2 细胞核分割实验 | 第64-66页 |
| 3.5.3 淋巴细胞分割实验 | 第66-68页 |
| 3.6 本章小结 | 第68-69页 |
| 第四章 基于半监督矩阵低秩分解的图像表示方法及其应用 | 第69-95页 |
| 4.1 研究现状及问题形成 | 第69-71页 |
| 4.2 预备知识 | 第71-73页 |
| 4.3 含有标签限制的半监督低秩表示算法 | 第73-79页 |
| 4.3.1 标签信息的构建 | 第73-75页 |
| 4.3.2 含有标签限制的低秩表示算法 | 第75-77页 |
| 4.3.3 含有标签限制的稀疏低秩表示算法 | 第77-79页 |
| 4.4 构建基于含有标签信息的非负稀疏低秩约束的相似度图 | 第79-83页 |
| 4.5 实验评测 | 第83-94页 |
| 4.5.1 实验设置 | 第83-84页 |
| 4.5.2 基于YaleB数据集的半监督分类和识别实验 | 第84-89页 |
| 4.5.3 基于PIE数据集的半监督分类和识别实验 | 第89-92页 |
| 4.5.4 基于USPS数据集的半监督分类实验 | 第92-94页 |
| 4.6 本章小结 | 第94-95页 |
| 第五章 基于半监督非负矩阵分解的图像表示方法及其应用 | 第95-120页 |
| 5.1 研究现状及问题形成 | 第95-96页 |
| 5.2 预备知识 | 第96-99页 |
| 5.3 含有标签限制的半监督非负矩阵分解算法 | 第99-104页 |
| 5.3.1 标签信息的构建 | 第99-100页 |
| 5.3.2 含有标签限制的非负矩阵分解算法 | 第100-104页 |
| 5.3.2.1 利用KKT方法的求解 | 第101-102页 |
| 5.3.2.1 利用Projected Gradient方法的求解 | 第102-104页 |
| 5.4 含有标签限制的非负矩阵分解算法收敛性证明 | 第104-106页 |
| 5.5 实验评测 | 第106-119页 |
| 5.5.1 实验设置 | 第106-108页 |
| 5.5.2 基于ORL数据集的半监督分类实验 | 第108-111页 |
| 5.5.3 基于Yale数据集的半监督分类实验 | 第111-114页 |
| 5.5.4 基于Caltech 101数据集的半监督分类实验 | 第114-119页 |
| 5.6 本章小结 | 第119-120页 |
| 第六章 全文总结与展望 | 第120-123页 |
| 6.1 全文总结 | 第120-121页 |
| 6.2 后续工作展望 | 第121-123页 |
| 致谢 | 第123-125页 |
| 参考文献 | 第125-143页 |
| 攻读博士学位期间取得的成果 | 第143-145页 |
