一种基于张量场的数据约简方法及应用研究
| 中文摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-16页 |
| ·数据约简方法介绍 | 第7-10页 |
| ·基于张量方法的数据约简研究 | 第10-14页 |
| ·GLRAM | 第10-11页 |
| ·HOOI | 第11-12页 |
| ·2DPCA | 第12-13页 |
| ·CubeSVD | 第13-14页 |
| ·TSA | 第14页 |
| ·问题提出 | 第14-15页 |
| ·内容安排 | 第15-16页 |
| 第二章 基于张量场的数据约简模型 | 第16-29页 |
| ·流形上的张量场 | 第16-19页 |
| ·基于张量场的约简模型 | 第19-22页 |
| ·基于张量场的数据约简算法设计 | 第22-26页 |
| ·HOSVD 分解技术 | 第22-24页 |
| ·算法设计 | 第24-26页 |
| ·实例验证 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于张量场的学习模型及算法设计 | 第29-47页 |
| ·基于张量丛的学习模型 | 第29-33页 |
| ·张量丛模型 | 第29-31页 |
| ·确定张量空间 | 第31-32页 |
| ·丛投影选择 | 第32-33页 |
| ·张量丛学习算法 | 第33-37页 |
| ·算法设计 | 第33-35页 |
| ·算法描述 | 第35-37页 |
| ·基于张量场的数据集分类模型 | 第37-42页 |
| ·数据集的张量场模型分析 | 第38-40页 |
| ·数据分块处理的必要性 | 第40-41页 |
| ·数据集的张量模型 | 第41-42页 |
| ·构造判别张量 | 第42页 |
| ·基于张量场的数据集分类算法 | 第42-46页 |
| ·算法设计 | 第42-44页 |
| ·数据集预处理 | 第44-45页 |
| ·算法描述 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 应用实例 | 第47-57页 |
| ·彩色人脸识别 | 第47-51页 |
| ·模式识别 | 第47页 |
| ·在 IMM 人脸库上实验分析 | 第47-50页 |
| ·在 CVL 人脸库上算法比较 | 第50-51页 |
| ·TAE 和 IRIS 数据集上的数据分类实验 | 第51-55页 |
| ·不同邻域范围下的实验效果 | 第52-54页 |
| ·在各个数据集上综合比较 | 第54-55页 |
| ·本章小结 | 第55-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 附录 | 第63-65页 |
| 科研情况 | 第63页 |
| 论文发表情况 | 第63-64页 |
| 中英文名词对照 | 第64-65页 |
| 致谢 | 第65-66页 |
| 详细摘要 | 第66-68页 |
