基于谱图理论的非线性流形学习算法研究
| 中文摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-19页 |
| ·研究背景及意义 | 第9-10页 |
| ·研究现状及发展趋势 | 第10-16页 |
| ·流形学习的线性化与核化 | 第11-12页 |
| ·流形的(半)监督学习与增量学习 | 第12-13页 |
| ·小样本问题及权重的设置 | 第13-14页 |
| ·流形学习的张量化与稀疏化 | 第14页 |
| ·正交与不相关分析 | 第14-15页 |
| ·噪声与孤立点的处理 | 第15页 |
| ·流形学习中距离的度量及邻域的选择 | 第15-16页 |
| ·流形学习的应用 | 第16-17页 |
| ·本文的主要工作 | 第17-18页 |
| ·本文的组织结构 | 第18-19页 |
| 第二章 经典流形学习算法介绍 | 第19-29页 |
| ·流形学习的基本概念 | 第19-20页 |
| ·全局流形学习算法 | 第20-24页 |
| ·核主成分分析 | 第20-21页 |
| ·等距映射 | 第21-22页 |
| ·最大方差展开 | 第22-24页 |
| ·局部流形学习算法 | 第24-28页 |
| ·局部线性嵌入 | 第24-25页 |
| ·拉普拉斯特征映射 | 第25-26页 |
| ·局部切空间对齐 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 不相关判别局部邻域嵌入算法 | 第29-42页 |
| ·局部邻域嵌入算法 | 第30-32页 |
| ·线性局部邻域嵌入算法 | 第32页 |
| ·不相关判别局部邻域嵌入算法 | 第32-36页 |
| ·算法推导 | 第33-36页 |
| ·算法步骤 | 第36页 |
| ·实验结果及分析 | 第36-41页 |
| ·人脸数据的预处理 | 第36-37页 |
| ·分类器及参数的选择 | 第37页 |
| ·实验结果讨论 | 第37-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 核正交判别局部正切空间对齐算法 | 第42-54页 |
| ·正切空间判别分析算法 | 第43-44页 |
| ·局部类内切空间对齐 | 第43页 |
| ·局部类间切空间对齐 | 第43-44页 |
| ·目标函数 | 第44页 |
| ·核正交判别局部正切空间对齐算法 | 第44-49页 |
| ·算法推导 | 第45-46页 |
| ·算法求解及其实现 | 第46-48页 |
| ·算法步骤 | 第48-49页 |
| ·实验结果及分析 | 第49-53页 |
| ·人脸数据的预处理 | 第49页 |
| ·分类器及参数的选择 | 第49页 |
| ·实验结果讨论 | 第49-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-57页 |
| ·总结 | 第54-55页 |
| ·展望 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 攻读硕士学位期间发表的论文 | 第63-64页 |
| 致谢 | 第64-65页 |
