基于低秩稀疏子空间的数据挖掘算法研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 选题依据及研究背景 | 第9-13页 |
| 1.2 本文研究内容和组织框架 | 第13-15页 |
| 第二章 相关技术介绍 | 第15-22页 |
| 2.1 稀疏学习 | 第15-17页 |
| 2.2 低秩约束 | 第17-20页 |
| 2.3 子空间学习 | 第20-22页 |
| 第三章 基于低秩约束和特征选择的多输出回归算法 | 第22-36页 |
| 3.1 引言 | 第22-24页 |
| 3.2 低秩特征选择多输出回归算法 | 第24-30页 |
| 3.2.1 背景知识 | 第24-25页 |
| 3.2.2 LFR算法的提出 | 第25-27页 |
| 3.2.3 优化算法 | 第27-29页 |
| 3.2.4 目标函数的收敛性 | 第29-30页 |
| 3.3 实验结果和分析 | 第30-35页 |
| 3.3.1 实验数据集和评价指标 | 第30-31页 |
| 3.3.2 对比算法的介绍 | 第31-32页 |
| 3.3.3 实验结果分析 | 第32-34页 |
| 3.3.4 收敛性结果和分析 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 基于低秩约束和稀疏学习的子空间聚类算法 | 第36-52页 |
| 4.1 引言 | 第36-38页 |
| 4.2 低秩稀疏子空间聚类算法 | 第38-45页 |
| 4.2.1 相似度矩阵的构造 | 第38-39页 |
| 4.2.2 LSS算法的提出 | 第39-41页 |
| 4.2.3 优化算法 | 第41-44页 |
| 4.2.4 目标函数的收敛性 | 第44-45页 |
| 4.3 实验与结果分析 | 第45-51页 |
| 4.3.1 实验数据集和评价指标 | 第45-46页 |
| 4.3.2 对比算法的介绍 | 第46-47页 |
| 4.3.3 实验结果和分析 | 第47-50页 |
| 4.3.4 收敛性结果和分析 | 第50-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 总结 | 第52-53页 |
| 5.2 展望 | 第53-54页 |
| 参考文献 | 第54-60页 |
| 攻读硕士期间取得的科研成果 | 第60-61页 |
| 攻读硕士期间获得的奖项 | 第61-62页 |
| 攻读硕士期间研究项目情况 | 第62-63页 |
| 致谢 | 第63-65页 |
