| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 字典学习算法的研究现状 | 第9-10页 |
| 1.2.2 张量分解的研究现状 | 第10-11页 |
| 1.2.3 基于张量的稀疏字典学习算法研究现状 | 第11-12页 |
| 1.3 本文的主要工作 | 第12-14页 |
| 第二章 张量相关理论介绍 | 第14-27页 |
| 2.1 张量的基本概念介绍 | 第14-18页 |
| 2.1.1 张量的表示形式 | 第14-15页 |
| 2.1.2 张量的基本运算 | 第15-17页 |
| 2.1.3 张量分解 | 第17-18页 |
| 2.2 基于张量的稀疏编码字典学习方法 | 第18-20页 |
| 2.2.1 张量稀疏编码字典学习法K-CPD | 第18-20页 |
| 2.3 非负张量分解 | 第20-26页 |
| 2.3.1 非负张量分解NTF | 第20-22页 |
| 2.3.2 NTF迭代更新规则 | 第22-25页 |
| 2.3.3 稀疏非负张量分解SNTF | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于判别稀疏的非负张量分解 | 第27-35页 |
| 3.1 问题描述 | 第27-28页 |
| 3.2 判别稀疏非负张量分解的迭代更新过程 | 第28-30页 |
| 3.3 实验与讨论 | 第30-34页 |
| 3.3.1 实验中用到的人脸库 | 第30页 |
| 3.3.2 重构误差实验 | 第30-33页 |
| 3.3.3 图像分类识别实验 | 第33页 |
| 3.3.4 实验结果分析 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 基于核化的张量稀疏字典学习算法 | 第35-44页 |
| 4.1 核函数背景介绍 | 第35页 |
| 4.2 基于核化的张量稀疏字典学习算法 | 第35-40页 |
| 4.2.1 核化MOMP(Kernel MOMP) | 第36-38页 |
| 4.2.2 核化K-CPD(kernel K-CPD) | 第38-40页 |
| 4.3 实验与讨论 | 第40-43页 |
| 4.3.1 图像分类识别实验 | 第40-43页 |
| 4.3.2 实验结果分析 | 第43页 |
| 4.4 本章小结 | 第43-44页 |
| 第五章 总结与展望 | 第44-46页 |
| 5.1 本文的主要工作 | 第44页 |
| 5.2 展望 | 第44-46页 |
| 参考文献 | 第46-51页 |
| 致谢 | 第51-52页 |
| 攻读硕士学位期间参加的科研项目 | 第52页 |