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

离群点鲁棒的图像数据降维方法

摘要第5-7页
Abstract第7-8页
第1章 绪论第11-17页
    1.1 研究背景及意义第11-12页
    1.2 国内外研究现状第12-15页
    1.3 本文工作第15-17页
第2章 相关降维方法介绍第17-25页
    2.1 引言第17页
    2.2 线性判别分析第17-22页
        2.2.1 经典线性判别分析第17-18页
        2.2.2 概率线性判别分析第18-20页
        2.2.3 二维线性判别分析第20-21页
        2.2.4 L1范数线性判别分析第21-22页
    2.3 局部保持投影第22-23页
    2.4 本章小结第23-25页
第3章 基于L1范数的概率线性判别分析降维模型第25-41页
    3.1 引言第25页
    3.2 模型建立第25-26页
    3.3 模型求解第26-30页
    3.4 实验分析第30-40页
        3.4.1 数据准备第30-33页
        3.4.2 参数设置实验第33-34页
        3.4.3 鲁棒降维实验第34-35页
        3.4.4 离群点检测实验第35-38页
        3.4.5 分类实验第38-40页
    3.5 本章小结第40-41页
第4章 基于L1范数的二维概率线性判别分析降维模型第41-57页
    4.1 引言第41页
    4.2 模型建立第41-42页
    4.3 模型求解第42-49页
    4.4 实验分析第49-56页
        4.4.1 数据准备第49-50页
        4.4.2 离群点检测实验第50-52页
        4.4.3 重构实验第52-54页
        4.4.4 分类实验第54-56页
    4.5 本章小结第56-57页
第5章 基于F范数的局部保持投影降维模型第57-69页
    5.1 引言第57页
    5.2 模型建立第57-58页
    5.3 模型求解第58-59页
    5.4 收敛性分析第59-61页
    5.5 实验分析第61-67页
        5.5.1 数据准备第61-63页
        5.5.2 鲁棒性测试实验第63页
        5.5.3 分类和收敛证明实验第63-67页
    5.6 本章小结第67-69页
结论第69-71页
参考文献第71-75页
攻读硕士期间取得的研究成果第75-77页
致谢第77页

论文共77页,点击 下载论文
上一篇:基于分布式数据库HBase的负载均衡策略研究及实现
下一篇:基于3D打印技术在文创产品设计中的应用研究