面向鲁棒数据分类的判别字典学习算法研究
| 中文摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 引言 | 第10-17页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究进展 | 第11-14页 |
| 1.3 问题的提出 | 第14-15页 |
| 1.4 内容安排 | 第15-17页 |
| 第二章 字典学习算法概述 | 第17-24页 |
| 2.1 字典学习算法实现原理 | 第17页 |
| 2.2 综合字典学习算法 | 第17-20页 |
| 2.3 结构字典学习算法 | 第20-22页 |
| 2.4 基于字典学习算法的数据分类过程 | 第22-23页 |
| 2.5 小结 | 第23-24页 |
| 第三章 半监督标签一致字典学习算法 | 第24-38页 |
| 3.1 相关工作 | 第24-26页 |
| 3.1.1 标签一致KSVD算法 | 第24-25页 |
| 3.1.2 拉普拉斯线性判别分析算法 | 第25-26页 |
| 3.2 半监督标签一致字典学习算法 | 第26-31页 |
| 3.2.1 算法思想 | 第26-27页 |
| 3.2.2 目标函数 | 第27-28页 |
| 3.2.3 优化过程 | 第28-30页 |
| 3.2.4 分类方法 | 第30-31页 |
| 3.3 实验结果与分析 | 第31-37页 |
| 3.3.1 机器故障分类 | 第32-35页 |
| 3.3.2 鲁棒性检测 | 第35-36页 |
| 3.3.3 参数分析 | 第36-37页 |
| 3.4 小结 | 第37-38页 |
| 第四章 基于隐藏特征提取的判别字典学习算法 | 第38-55页 |
| 4.1 相关工作 | 第38-39页 |
| 4.1.1 隐藏字典学习算法 | 第38-39页 |
| 4.2 基于隐藏特征提取的判别字典学习算法 | 第39-47页 |
| 4.2.1 算法思想 | 第39-40页 |
| 4.2.2 目标函数 | 第40-43页 |
| 4.2.3 优化过程 | 第43-47页 |
| 4.2.4 分类方法 | 第47页 |
| 4.3 实验结果与分析 | 第47-54页 |
| 4.3.1 收敛性分析 | 第48页 |
| 4.3.2 机器故障分类 | 第48-52页 |
| 4.3.3 鲁棒性检测 | 第52-53页 |
| 4.3.4 参数分析 | 第53-54页 |
| 4.4 小结 | 第54-55页 |
| 第五章 分析判别字典学习算法 | 第55-76页 |
| 5.1 相关工作 | 第55-57页 |
| 5.1.1 判别KSVD算法 | 第55-56页 |
| 5.1.2 成对字典学习算法 | 第56-57页 |
| 5.2 分析判别字典学习算法 | 第57-63页 |
| 5.2.1 算法思想 | 第57-58页 |
| 5.2.2 目标函数 | 第58-60页 |
| 5.2.3 优化过程 | 第60-62页 |
| 5.2.4 分类方法 | 第62-63页 |
| 5.3 实验结果与分析 | 第63-74页 |
| 5.3.1 人脸识别 | 第64-67页 |
| 5.3.2 目标检测 | 第67-69页 |
| 5.3.3 场景分析 | 第69-71页 |
| 5.3.4 收敛性分析 | 第71页 |
| 5.3.5 算法效率 | 第71-72页 |
| 5.3.6 鲁棒性检测 | 第72-73页 |
| 5.3.7 参数分析 | 第73-74页 |
| 5.4 基于分析判别字典学习算法的人脸识别系统 | 第74页 |
| 5.5 小结 | 第74-76页 |
| 第六章 总结与展望 | 第76-80页 |
| 6.1 总结 | 第76-78页 |
| 6.2 展望 | 第78-80页 |
| 参考文献 | 第80-86页 |
| 攻读硕士学位期间主要科研成果 | 第86-88页 |
| 已发表论文 | 第86-87页 |
| 评审中论文 | 第87页 |
| 申报专利 | 第87页 |
| 主持项目 | 第87页 |
| 获奖情况 | 第87-88页 |
| 致谢 | 第88-89页 |
