首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于非负矩阵分解的多视图聚类方法研究

中文摘要第3-4页
Abstract第4-5页
第一章 绪论第8-16页
    1.1 论文选题的背景与意义第8-9页
    1.2 多视图聚类第9-13页
    1.3 本文的主要工作与章节安排第13-16页
第二章 非负矩阵分解第16-27页
    2.1 非负矩阵分解第16-18页
        2.1.1 非负矩阵分解的基本形式第16-17页
        2.1.2 非负矩阵分解的几种扩展形式第17-18页
    2.2 非负矩阵分解的变体第18-23页
        2.2.1 半非负矩阵分解及算法第19-20页
        2.2.2 凸非负矩阵分解及其算法第20-22页
        2.2.3 核非负矩阵分解第22页
        2.2.4 簇非负矩阵分解第22页
        2.2.5 讨论第22-23页
    2.3 基于非负矩阵分解的多视图学习框架第23-26页
        2.3.1 多视图非负矩阵分解第23-24页
        2.3.2 多流形正则化非负矩阵分解第24-25页
        2.3.3 图正则化多视图非负矩阵分解第25-26页
    2.4 本章小结第26-27页
第三章 多视图概念分解第27-39页
    3.1 概念分解第27-30页
        3.1.1 概念分解的基本形式第27-29页
        3.1.2 概念分解的几种扩展形式第29-30页
    3.2 多视图概念分解第30-38页
        3.2.1 目标函数第30-32页
        3.2.2 目标函数的求解第32-35页
        3.2.3 收敛性证明第35-38页
        3.2.4 复杂度分析第38页
    3.3 本章小结第38-39页
第四章 实验结果及讨论第39-52页
    4.1 实验中使用的数据库第39-40页
    4.2 比较算法第40-43页
    4.3 评价指标第43-44页
    4.4 实验设置第44页
    4.5 实验结果及评价第44-52页
        4.5.1 与单个视图的比较第44-46页
        4.5.2 与多视图聚类方法的比较第46-49页
        4.5.3 参数敏感性分析第49-51页
        4.5.4 收敛性分析第51-52页
第五章 总结与展望第52-54页
    5.1 论文总结第52页
    5.2 展望第52-54页
参考文献第54-58页
在学期间的研究成果第58-59页
致谢第59页

论文共59页,点击 下载论文
上一篇:超混沌在图像加密中的应用
下一篇:风险投资对创业板软件与信息服务行业上市企业绩效的影响研究