| 作者简介 | 第1-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-13页 |
| 第一章 绪论 | 第13-27页 |
| §1.1 从向量到张量 | 第13-15页 |
| §1.2 多尺度张量逼近的研究进展 | 第15-17页 |
| §1.3 多尺度非负张量逼近的研究进展 | 第17-18页 |
| §1.4 本文的研究内容及作者的主要工作 | 第18-20页 |
| 本章参考文献 | 第20-27页 |
| 第二章 张量逼近基础知识 | 第27-37页 |
| §2.1 向量与矩阵算子 | 第27-30页 |
| §2.2 张量代数 | 第30-33页 |
| §2.3 张量逼近 | 第33-36页 |
| 本章参考文献 | 第36-37页 |
| 第三章 多层非负矩阵分解 | 第37-60页 |
| §3.1 引言 | 第37-38页 |
| §3.2 非负矩阵分解 | 第38-42页 |
| §3.3 多层非负矩阵分解 | 第42-45页 |
| §3.4 试验分析 | 第45-50页 |
| §3.5 多层非负矩阵分解算法的改进 | 第50-57页 |
| §3.6 小结与讨论 | 第57页 |
| 本章参考文献 | 第57-60页 |
| 第四章 基于非负矩阵分解与非负张量分解的 SAR 图像分类 | 第60-80页 |
| §4.1 引言 | 第60-61页 |
| §4.2 非负矩阵分解的代价函数构造 | 第61-63页 |
| §4.3 非负矩阵分解的乘性迭代算法 | 第63-66页 |
| §4.4 非负张量分解算法 | 第66-70页 |
| §4.5 试验分析 | 第70-76页 |
| §4.6 小结与讨论 | 第76页 |
| 附录 A4 | 第76-78页 |
| 本章参考文献 | 第78-80页 |
| 第五章 基于下采样的多尺度非负张量逼近 | 第80-104页 |
| §5.1 引言 | 第80-81页 |
| §5.2 多尺度非负张量逼近 | 第81-83页 |
| §5.3 基于下采样的多尺度非负张量逼近 | 第83-89页 |
| §5.4 进一步讨论 | 第89-92页 |
| §5.5 试验分析 | 第92-98页 |
| §5.6 小结与讨论 | 第98-99页 |
| 附录 A5 | 第99-100页 |
| 本章参考文献 | 第100-104页 |
| 第六章 非负矩阵补全与非负张量补全算法 | 第104-120页 |
| §6.1 引言 | 第104页 |
| §6.2 非负矩阵补全的加速算法 | 第104-110页 |
| §6.3 非负张量补全算法 | 第110-112页 |
| §6.4 试验分析 | 第112-116页 |
| §6.5 小结与讨论 | 第116-117页 |
| 本章参考文献 | 第117-120页 |
| 第七章 张量补全算法及其在人脸识别中的应用 | 第120-133页 |
| §7.1 引言 | 第120-121页 |
| §7.2 张量补全问题 | 第121-123页 |
| §7.3 张量补全算法 | 第123-124页 |
| §7.4 试验分析 | 第124-130页 |
| §7.5 小结与讨论 | 第130页 |
| 附录 A7 | 第130-131页 |
| 本章参考文献 | 第131-133页 |
| 第八章 高维张量数据的度量学习 | 第133-149页 |
| §8.1 引言 | 第133-134页 |
| §8.2 最大塌陷度量学习 | 第134-137页 |
| §8.3 张量数据的最大塌陷度量学习 | 第137-141页 |
| §8.4 试验分析 | 第141-145页 |
| §8.5 小结与讨论 | 第145页 |
| 附录 A8 | 第145-147页 |
| 本章参考文献 | 第147-149页 |
| 第九章 总结与展望 | 第149-151页 |
| 致谢 | 第151-153页 |
| 攻读博士学位期间的研究成果 | 第153-155页 |