基于局部邻域优化的降维算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-13页 |
| 1.1 研究背景及问题的提出 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本文的主要研究内容 | 第11页 |
| 1.4 本文的组织结构 | 第11-13页 |
| 2 流形学习方法分类介绍 | 第13-21页 |
| 2.1 具有凸型解空间的算法 | 第14-17页 |
| 2.1.1 全局降维方法 | 第14-16页 |
| 2.1.2 局部降维方法 | 第16-17页 |
| 2.2 具有非凸型解空间的算法 | 第17-19页 |
| 2.2.1 Sammon mapping | 第17-18页 |
| 2.2.2 多层自编码结构 | 第18页 |
| 2.2.3 局部线性坐标(LLC) | 第18-19页 |
| 2.3 小结 | 第19-21页 |
| 3 一种邻域线性竞争的排列降维方法 | 第21-32页 |
| 3.1 引言 | 第21-22页 |
| 3.2 局部线性竞争嵌入方法 | 第22-23页 |
| 3.2.1 竞争模型 | 第22页 |
| 3.2.2 权值确定（局部结构的刻画） | 第22-23页 |
| 3.3 NLRA 理论分析及算法 | 第23-24页 |
| 3.3.1 NLRA 理论分析 | 第23-24页 |
| 3.3.2 NLRA 算法 | 第24页 |
| 3.4 实验结果分析 | 第24-31页 |
| 3.4.1 手工流形实验 | 第24-26页 |
| 3.4.2 coil-1008 数据库的图像检索 | 第26-28页 |
| 3.4.3 Frey 人脸实验 | 第28-30页 |
| 3.4.4 实验分析 | 第30-31页 |
| 3.5 小结 | 第31-32页 |
| 4 一种基于压缩感知的邻域优化算法 | 第32-47页 |
| 4.1 引言 | 第32-33页 |
| 4.2 压缩感知模型 | 第33-35页 |
| 4.3 LBTSA 算法 | 第35-38页 |
| 4.3.1 邻域优化算法 | 第35-38页 |
| 4.3.2 算法 | 第38页 |
| 4.4 LBTSA 模型 | 第38-40页 |
| 4.4.1 数学概念 | 第38-39页 |
| 4.4.2 算法 | 第39-40页 |
| 4.5 实验结果分析 | 第40-45页 |
| 4.5.1 稀疏手工流形实验 | 第40-41页 |
| 4.5.2 加噪音的手工流形实验 | 第41-43页 |
| 4.5.3 带孔洞的手工流形实验 | 第43页 |
| 4.5.4 Frey 人脸实验 | 第43-45页 |
| 4.5.5 实验分析 | 第45页 |
| 4.6 小结 | 第45-47页 |
| 结论 | 第47-48页 |
| 参考文献 | 第48-53页 |
| 攻读硕士学位期间发表学术论文情况 | 第53-54页 |
| 致谢 | 第54页 |
