基于二维稀疏表示和向量范数优化的织物疵点有监督分类研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1. 绪论 | 第9-16页 |
| ·课题研究的理论意义和实用价值 | 第9-11页 |
| ·国内外研究现状和存在的问题 | 第11-12页 |
| ·二维稀疏表示在疵点分类中的应用 | 第12-14页 |
| ·图像识别中分类器的设计思想 | 第14-15页 |
| ·本文的研究内容 | 第15-16页 |
| 2. 织物疵点的稀疏表示和特征提取 | 第16-30页 |
| ·压缩感知与稀疏表示理论 | 第16-18页 |
| ·压缩感知简介 | 第16-17页 |
| ·稀疏表示理论 | 第17-18页 |
| ·几种典型的特征提取方法 | 第18-23页 |
| ·K-L 变换 | 第18-19页 |
| ·二维主成份分析法（2DPCA） | 第19-20页 |
| ·独立成分分析（ICA） | 第20-21页 |
| ·二维局部保持投影（2DLPP） | 第21-22页 |
| ·二维线性鉴别分析（2DLDA） | 第22-23页 |
| ·基于稀疏感知字典的特征提取 | 第23-26页 |
| ·图像的稀疏字典设计 | 第23-24页 |
| ·稀疏字典基的相干性研究 | 第24-26页 |
| ·实验结果与分析 | 第26-29页 |
| ·本章小结 | 第29-30页 |
| 3．流形学习和向量范数优化 | 第30-43页 |
| ·流形学习理论基础 | 第30-33页 |
| ·流形概述 | 第30-31页 |
| ·流形学习的数学基础和算法分析 | 第31-33页 |
| ·流形学习和稀疏映射算法 | 第33-36页 |
| ·基于向量范数对稀疏表示的优化 | 第36-42页 |
| ·凸优化方法 | 第36-37页 |
| ·p范数优化 | 第37-39页 |
| ·实验结果与分析 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 4 织物疵点监督分类中分类器的设计 | 第43-57页 |
| ·分类器研究 | 第43-47页 |
| ·分类器的设计 | 第43-44页 |
| ·分类器影响因素及性能标准 | 第44-45页 |
| ·分类算法 | 第45页 |
| ·几种典型的分类器 | 第45-47页 |
| ·稀疏表示分类器 | 第47-48页 |
| ·本征维数估计 | 第48-49页 |
| ·分类器组合 | 第49-51页 |
| ·多级分类器组合 | 第49-50页 |
| ·特征提取与分类器组合 | 第50-51页 |
| ·仿真与实验 | 第51-55页 |
| ·实验软硬件环境以及数据库介绍 | 第51页 |
| ·稀疏表示分类器算法实验 | 第51-55页 |
| ·本章小结 | 第55-57页 |
| 5 总结与展望 | 第57-59页 |
| ·全文总结 | 第57页 |
| ·工作展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 附录：硕士研究生学习阶段发表论文 | 第62-63页 |
| 致谢 | 第63-64页 |
