| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第7-13页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.2.1 国内研究现状 | 第9-10页 |
| 1.2.2 国外研究现状 | 第10-11页 |
| 1.3 本文主要贡献 | 第11页 |
| 1.4 本文组织结构 | 第11-13页 |
| 第2章 相关技术介绍 | 第13-21页 |
| 2.1 范数规则化 | 第13-14页 |
| 2.2 低秩表征学习 | 第14-18页 |
| 2.2.1 低秩表征模型及求解算法 | 第15-16页 |
| 2.2.2 低秩表征学习的应用 | 第16-18页 |
| 2.3 回归模型 | 第18-20页 |
| 2.3.1 线性回归 | 第18-19页 |
| 2.3.2 岭回归和Lasso回归 | 第19-20页 |
| 2.3.3 支持向量机回归 | 第20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 基于低秩表征和稀疏回归的图像记忆性预测方法 | 第21-39页 |
| 3.1 模型构建 | 第22-25页 |
| 3.2 模型求解 | 第25-27页 |
| 3.2.1 固定b求解A,E,w | 第25-27页 |
| 3.2.2 固定A,E,w 求解b | 第27页 |
| 3.3 实验设计与分析 | 第27-37页 |
| 3.3.1 数据库和实验设置 | 第27-30页 |
| 3.3.2 评价准则 | 第30-31页 |
| 3.3.3 实验结果与分析 | 第31-37页 |
| 3.4 本章小结 | 第37-39页 |
| 第4章 基于多视图低秩表征和稀疏回归学习的图像记忆性预测方法 | 第39-53页 |
| 4.1 模型构建 | 第41-44页 |
| 4.2 模型求解 | 第44-46页 |
| 4.2.1 固定Φ_l变量集更新Φ_h | 第44-45页 |
| 4.2.2 固定Φ_h变量集更新Φ_l | 第45-46页 |
| 4.3 实验设计与分析 | 第46-52页 |
| 4.3.1 数据库与实验设置 | 第46-47页 |
| 4.3.2 评价准则 | 第47-48页 |
| 4.3.3 实验结果与分析 | 第48-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第5章 总结与展望 | 第53-55页 |
| 5.1 工作总结 | 第53-54页 |
| 5.2 未来工作展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 发表论文和参加科研情况说明 | 第59-61页 |
| 致谢 | 第61页 |