| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 课题的研究背景及意义 | 第9-10页 |
| 1.2 基于子空间的特征提取 | 第10-11页 |
| 1.3 NMF的国内外研究现状 | 第11-12页 |
| 1.4 人脸识别 | 第12-16页 |
| 1.4.1 基于几何特征的人脸识别 | 第13-14页 |
| 1.4.2 基于表象的人脸识别 | 第14-15页 |
| 1.4.3 基于稀疏描述的人脸识别 | 第15-16页 |
| 1.5 文本聚类 | 第16页 |
| 1.6 本文主要工作以及内容安排 | 第16-18页 |
| 第二章 非负矩阵分解算法 | 第18-24页 |
| 2.1 非负矩阵分解的发展及原理 | 第18-19页 |
| 2.2 非负矩阵分解模型 | 第19-20页 |
| 2.3 非负矩阵分解算法 | 第20-23页 |
| 2.3.1 梯度下降法 | 第21-22页 |
| 2.3.2 交替非负最小二乘法 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 稀疏约束正交子空间非负矩阵分解 | 第24-31页 |
| 3.1 正交子空间非负矩阵分解(NMFOS) | 第24-25页 |
| 3.2 稀疏约束正交子空间非负矩阵分解(NMFOS-SC) | 第25-26页 |
| 3.3 数值实验 | 第26-30页 |
| 3.3.1 聚类实验 | 第27-28页 |
| 3.3.2 稀疏性对比实验 | 第28-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第四章 基于L0范数约束的稀疏非负矩阵分解 | 第31-50页 |
| 4.1 稀疏非负矩阵分解算法 | 第31-34页 |
| 4.1.1 基于稀疏表示的人脸识别算法 | 第31-33页 |
| 4.1.2 基于稀疏表示的非负矩阵特征提取方法 | 第33-34页 |
| 4.2 基于L0范数约束的稀疏非负矩阵分解 | 第34-38页 |
| 4.2.1 sNMFL0_H | 第35-37页 |
| 4.2.2 sNMFL0_W | 第37-38页 |
| 4.3 算法的实验结果 | 第38-48页 |
| 4.3.1 非负稀疏编码 | 第38-41页 |
| 4.3.2 sNMFL0_H人脸识别实验 | 第41-46页 |
| 4.3.3 sNMFL0_W方法用于人脸特征提取 | 第46-48页 |
| 4.4 本章小结 | 第48-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 5.1 论文总结 | 第50页 |
| 5.2 工作展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士期间发表论文及参加科研情况 | 第56-57页 |
| 致谢 | 第57页 |