改进的低秩张量补全算法及应用
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1. 绪论 | 第9-18页 |
| 1.1 研究背景与现状 | 第9-10页 |
| 1.2 压缩感知 | 第10-12页 |
| 1.3 矩阵重建 | 第12-15页 |
| 1.3.1 低秩矩阵补全 | 第12-13页 |
| 1.3.2 低秩矩阵恢复 | 第13-14页 |
| 1.3.3 低秩表示 | 第14-15页 |
| 1.4 低秩张量补全 | 第15-16页 |
| 1.5 本文的主要内容和组织安排 | 第16-18页 |
| 2. 基础理论知识 | 第18-26页 |
| 2.1 向量与矩阵的基础知识 | 第18-21页 |
| 2.2 张量基础知识 | 第21-26页 |
| 3. 张量补全算法综述 | 第26-38页 |
| 3.1 数学模型 | 第26-27页 |
| 3.2 低秩张量补全算法 | 第27-36页 |
| 3.2.1 简单低秩张量补全算法 | 第27-28页 |
| 3.2.2 快速低秩张量补全算法 | 第28-29页 |
| 3.2.3 高精度低秩张量补全算法 | 第29-31页 |
| 3.2.4 核心张量核范数的张量补全算法 | 第31-33页 |
| 3.2.5 因子矩阵核范数最小化张量补全算法 | 第33-35页 |
| 3.2.6 矩阵分解的张量补全算法 | 第35-36页 |
| 3.3 小结 | 第36-38页 |
| 4. 改进的低秩张量补全算法 | 第38-51页 |
| 4.1 改进的低秩张量补全模型 | 第38-39页 |
| 4.2 改进的低秩张量补全算法 | 第39-40页 |
| 4.3 实验分析 | 第40-50页 |
| 4.3.1 人工数据集 | 第41-43页 |
| 4.3.2 自然图像 | 第43-44页 |
| 4.3.3 脑MRI图像和超光谱图像 | 第44-47页 |
| 4.3.4 人脸图像 | 第47-50页 |
| 4.4 小结 | 第50-51页 |
| 5. 贝叶斯低秩张量CP分解模型 | 第51-62页 |
| 5.1 基础知识 | 第51-52页 |
| 5.2 低秩张量贝叶斯分解模型 | 第52-58页 |
| 5.2.1 概率模型和先验概率 | 第52-54页 |
| 5.2.2 贝叶斯学习模型理论 | 第54-58页 |
| 5.3 预测分布 | 第58-59页 |
| 5.4 实验分析 | 第59-61页 |
| 5.5 小结 | 第61-62页 |
| 6. 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62-63页 |
| 6.2 展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 附录 在校发表的学术论文 | 第68页 |
| 参加研究的科研项目 | 第68-69页 |
| 致谢 | 第69页 |
