多视图特征融合方法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 1 绪论 | 第14-30页 |
| 1.1 研究背景和研究意义 | 第14-16页 |
| 1.2 研究现状及存在问题 | 第16-25页 |
| 1.2.1 问题描述 | 第16页 |
| 1.2.2 多视图特征的选择或构建 | 第16-19页 |
| 1.2.3 多视图特征的融合 | 第19-23页 |
| 1.2.4 存在问题 | 第23-25页 |
| 1.3 主要研究内容 | 第25-26页 |
| 1.4 论文的组织结构 | 第26-30页 |
| 2 相关理论和技术 | 第30-40页 |
| 2.1 子空间学习 | 第30-34页 |
| 2.2 李群机器学习 | 第34-38页 |
| 2.2.1 基本概念 | 第35-36页 |
| 2.2.2 李群机器学习的公理假设 | 第36-38页 |
| 2.3 常用数据集 | 第38-39页 |
| 2.4 本章小结 | 第39-40页 |
| 3 基于SVT的多视图特征反向融合 | 第40-56页 |
| 3.1 引言 | 第40-42页 |
| 3.2 相关工作 | 第42-45页 |
| 3.2.1 特征脸 | 第43页 |
| 3.2.2 费希尔脸 | 第43-44页 |
| 3.2.3 拉普拉斯脸 | 第44页 |
| 3.2.4 2DPCA特征提取 | 第44-45页 |
| 3.2.5 2DLDA特征提取 | 第45页 |
| 3.3 基于SVT的多视图特征融合 | 第45-50页 |
| 3.3.1 多尺度映射的LS-SVM | 第45-47页 |
| 3.3.2 多尺度支持值滤波器 | 第47页 |
| 3.3.3 SVT特征反向融合 | 第47-48页 |
| 3.3.4 图像识别流程 | 第48-50页 |
| 3.4 实验结果和分析 | 第50-53页 |
| 3.4.1 对比方法及其参数设定 | 第50-51页 |
| 3.4.2 ORL数据集 | 第51-53页 |
| 3.4.3 UMIST人脸数据集 | 第53页 |
| 3.5 本章小结 | 第53-56页 |
| 4 基于区域协方差矩阵李群的多视图特征融合 | 第56-74页 |
| 4.1 引言 | 第56-57页 |
| 4.2 相关工作 | 第57-58页 |
| 4.3 协方差特征及其李群空间/结构 | 第58-62页 |
| 4.3.1 协方差特征 | 第58-60页 |
| 4.3.2 协方差特征的李群结构 | 第60-62页 |
| 4.4 基于区域协方差矩阵李群的多视图特征融合 | 第62-66页 |
| 4.4.1 像素特征和协方差特征提取 | 第63-64页 |
| 4.4.2 协方差矩阵的李群距离计算 | 第64-65页 |
| 4.4.3 融合决策准则 | 第65-66页 |
| 4.5 实验结果和分析 | 第66-71页 |
| 4.5.1 MNIST数据集 | 第66-68页 |
| 4.5.2 Caltech-Leaves数据集 | 第68-69页 |
| 4.5.3 ORL人脸数据集 | 第69-71页 |
| 4.5.4 UMIST人脸数据集 | 第71页 |
| 4.6 本章小结 | 第71-74页 |
| 5 基于CNMF的鲁棒多视图特征融合方法 | 第74-88页 |
| 5.1 引言 | 第74-76页 |
| 5.2 相关工作 | 第76-78页 |
| 5.2.1 多视图子空间学习 | 第76-77页 |
| 5.2.2 处理噪声的方法 | 第77-78页 |
| 5.3 鲁棒多视图子空间融合方法 | 第78-81页 |
| 5.3.1 问题描述 | 第78-79页 |
| 5.3.2 CMF模型 | 第79页 |
| 5.3.3 RCNMF多视图子空间提取模型 | 第79-80页 |
| 5.3.4 RCNMF模型求解 | 第80-81页 |
| 5.3.5 RCNMF的算法复杂度分析 | 第81页 |
| 5.4 基于RCNMF的多视图聚类算法 | 第81-82页 |
| 5.5 实验结果和分析 | 第82-87页 |
| 5.5.1 模拟数据实验 | 第82-83页 |
| 5.5.2 对比方法 | 第83-84页 |
| 5.5.3 参数的影响 | 第84-86页 |
| 5.5.4 聚类结果分析 | 第86-87页 |
| 5.6 本章小结 | 第87-88页 |
| 6 基于双邻接图的监督正交判别投影 | 第88-108页 |
| 6.1 引言 | 第88-90页 |
| 6.2 相关工作 | 第90-91页 |
| 6.2.1 正交判别投影 | 第90-91页 |
| 6.2.2 监督正交判别投影 | 第91页 |
| 6.3 基于双邻接图的监督正交判别投影 | 第91-99页 |
| 6.3.1 双邻接图 | 第92-94页 |
| 6.3.2 SODP-DAG的优化问题 | 第94-96页 |
| 6.3.3 SODP-DAG的求解 | 第96-97页 |
| 6.3.4 与其他方法的对比 | 第97-99页 |
| 6.4 实验结果和分析 | 第99-107页 |
| 6.4.1 与ODP和SODP的实验对比 | 第99-102页 |
| 6.4.2 更多方法的实验对比 | 第102-107页 |
| 6.5 本章小结 | 第107-108页 |
| 7 总结与展望 | 第108-110页 |
| 7.1 本文工作总结 | 第108-109页 |
| 7.2 未来工作展望 | 第109-110页 |
| 参考文献 | 第110-122页 |
| 攻读博士学位期间发表的学术论文 | 第122-126页 |
| 学位论文数据集 | 第126页 |
