基于流形学习的降维技术的研究及应用
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-12页 |
| 1.1 维数约简的目的与意义 | 第9页 |
| 1.2 研究现状 | 第9-11页 |
| 1.3 本文的主要工作及内容安排 | 第11-12页 |
| 第2章 基于全局的降维技术 | 第12-15页 |
| 2.1 主成分分析 | 第12-13页 |
| 2.2 线性判别分析 | 第13-14页 |
| 2.3 本章小结 | 第14-15页 |
| 第3章 基于流形学习的降维技术 | 第15-21页 |
| 3.1 相关概念 | 第15页 |
| 3.2 非线性流形学习算法 | 第15-19页 |
| 3.2.1 局部线性嵌入 | 第15-17页 |
| 3.2.2 Isomap算法 | 第17-18页 |
| 3.2.3 拉普拉斯特征映射 | 第18-19页 |
| 3.3 线性化的流形学习算法 | 第19-20页 |
| 3.3.1 局部保持映射 | 第19-20页 |
| 3.3.2 局部线性嵌入的线性逼近 | 第20页 |
| 3.4 本章小结 | 第20-21页 |
| 第4章 非参数判别性局部线性嵌入 | 第21-28页 |
| 4.1 判别性局部线性嵌入分析 | 第21-22页 |
| 4.2 非参数判别性局部线性嵌入算法 | 第22-25页 |
| 4.2.1 非参数最大间隔 | 第22-24页 |
| 4.2.2 非参数判别性局部线性嵌入 | 第24-25页 |
| 4.3 实验验证 | 第25-27页 |
| 4.3.1 Yale数据库上的实验 | 第25-26页 |
| 4.3.2 PIE人脸数据库上的实验 | 第26-27页 |
| 4.4 本章小结 | 第27-28页 |
| 第5章 判别性局部相似信息和差异信息保持映射 | 第28-39页 |
| 5.1 融合局部结构和差异信息的有监督映射 | 第28-29页 |
| 5.2 判别性局部相似和差异信息保持映射 | 第29-33页 |
| 5.3 实验验证及分析 | 第33-38页 |
| 5.3.1 在Yale人脸数据库上的实验 | 第33-34页 |
| 5.3.2 在ORL人脸数据库上的实验 | 第34-36页 |
| 5.3.3 在CMU-PIE人脸数据库上的实验 | 第36-37页 |
| 5.3.5 在USPS手写体数据库上的实验 | 第37-38页 |
| 5.4 本章小结 | 第38-39页 |
| 第6章 总结与展望 | 第39-40页 |
| 6.1 总结 | 第39页 |
| 6.2 展望 | 第39-40页 |
| 参考文献 | 第40-43页 |
| 致谢 | 第43-44页 |
| 攻读学位期间取得的科研成果 | 第44页 |
