非负块配准模型与优化算法研究
| 表目录 | 第1-11页 |
| 图目录 | 第11-14页 |
| 摘要 | 第14-17页 |
| ABSTRACT | 第17-21页 |
| 主要数学符号列表 | 第21-22页 |
| 英文缩写词对照表 | 第22-23页 |
| 第一章 绪论 | 第23-35页 |
| ·课题背景及研究意义 | 第23-26页 |
| ·国内外研究现状 | 第26-31页 |
| ·非负矩阵分解发展历史 | 第26-28页 |
| ·国内外研究机构 | 第28页 |
| ·非负数据降维研究现状 | 第28-31页 |
| ·论文主要工作 | 第31-33页 |
| ·论文组织结构 | 第33-35页 |
| 第二章 非负矩阵分解基础 | 第35-65页 |
| ·非负矩阵分解模型 | 第35-49页 |
| ·距离度量 | 第35-40页 |
| ·先验信息 | 第40-46页 |
| ·扩展模型 | 第46-49页 |
| ·非负矩阵分解理论问题 | 第49-52页 |
| ·数据表示特性 | 第49页 |
| ·维数选择 | 第49-51页 |
| ·聚类分析特性 | 第51-52页 |
| ·优化算法 | 第52-61页 |
| ·初始化方法 | 第53页 |
| ·不精确块迭代方法 | 第53-57页 |
| ·精确块迭代方法 | 第57-58页 |
| ·随机规划方法 | 第58-59页 |
| ·多层分解方法 | 第59页 |
| ·在线优化算法 | 第59-60页 |
| ·并行与分布式算法 | 第60-61页 |
| ·应用领域 | 第61-64页 |
| ·数据挖掘 | 第61-63页 |
| ·模式识别 | 第63-64页 |
| ·本章小结与讨论 | 第64-65页 |
| 第三章 非负块配准框架模型 | 第65-87页 |
| ·引言 | 第65-68页 |
| ·块配准模型 | 第66-68页 |
| ·非负块配准模型 | 第68-80页 |
| ·基于KL距离的NPAF模型 | 第69-75页 |
| ·基于欧氏距离的NPAF模型 | 第75-79页 |
| ·计算复杂性分析 | 第79页 |
| ·非负数据降维框架模型比较 | 第79-80页 |
| ·非负数据降维算法的分析 | 第80-83页 |
| ·非负矩阵分解 | 第80-81页 |
| ·局部非负矩阵分解 | 第81-82页 |
| ·判别非负矩阵分解 | 第82页 |
| ·图罚分非负矩阵分解 | 第82-83页 |
| ·非负块配准派生模型 | 第83-86页 |
| ·非负PCA算法 | 第83-84页 |
| ·非负LLE算法 | 第84-85页 |
| ·非负LTSA算法 | 第85-86页 |
| ·本章小结与讨论 | 第86-87页 |
| 第四章 非负判别局部块配准模型 | 第87-105页 |
| ·引言 | 第87-89页 |
| ·模型定义 | 第89-92页 |
| ·数学描述 | 第89-91页 |
| ·两类NDLA模型 | 第91页 |
| ·流形学习角度的解释 | 第91-92页 |
| ·改进NDLA模型 | 第92-93页 |
| ·模型求解算法 | 第93-95页 |
| ·乘法法则 | 第93-95页 |
| ·计算复杂性 | 第95页 |
| ·实验结果 | 第95-104页 |
| ·人脸识别 | 第95-99页 |
| ·手写体识别 | 第99-100页 |
| ·局部特征提取 | 第100-102页 |
| ·结果分析 | 第102-104页 |
| ·本章小结与讨论 | 第104-105页 |
| 第五章 非负块配准快速梯度下降法 | 第105-133页 |
| ·引言 | 第105-106页 |
| ·改进乘法法则 | 第106-109页 |
| ·快速梯度下降法 | 第109-119页 |
| ·单步长快速线搜索 | 第110-112页 |
| ·多步长快速线搜索 | 第112-117页 |
| ·平衡多步长快速线搜索 | 第117-119页 |
| ·基于欧式距离的NPAF优化算法 | 第119-125页 |
| ·NPAFE快速梯度下降法 | 第119-123页 |
| ·NPAFE投影梯度法 | 第123-124页 |
| ·计算复杂性分析 | 第124-125页 |
| ·非负块配准派生模型优化 | 第125页 |
| ·实验结果 | 第125-131页 |
| ·单步长快速梯度下降法 | 第126-128页 |
| ·多步长快速梯度下降法 | 第128-131页 |
| ·本章小结与讨论 | 第131-133页 |
| 第六章 非负块配准最优梯度法 | 第133-163页 |
| ·引言 | 第133-139页 |
| ·非负矩阵分解优化算法研究现状 | 第135-138页 |
| ·最优梯度法 | 第138-139页 |
| ·非负矩阵分解最优梯度法 | 第139-149页 |
| ·非负最小二乘优化算法 | 第139-145页 |
| ·非负矩阵分解优化算法 | 第145-147页 |
| ·扩展模型优化算法 | 第147-149页 |
| ·非负块配准最优梯度法 | 第149-151页 |
| ·派生模型优化算法 | 第151页 |
| ·实验结果 | 第151-161页 |
| ·非负矩阵分解优化 | 第151-160页 |
| ·图罚分非负矩阵分解优化 | 第160-161页 |
| ·本章小结与讨论 | 第161-163页 |
| 第七章 非负矩阵分解在线优化算法 | 第163-183页 |
| ·引言 | 第163-167页 |
| ·在线非负矩阵分解研究现状 | 第164-166页 |
| ·鲁棒随机近似算法 | 第166-167页 |
| ·非负矩阵分解在线优化算法 | 第167-177页 |
| ·缓冲池策略 | 第170-171页 |
| ·计算复杂性 | 第171-172页 |
| ·收敛性证明 | 第172-175页 |
| ·扩展在线优化算法 | 第175-177页 |
| ·实验结果 | 第177-181页 |
| ·在线非负矩阵分解效率比较 | 第177-179页 |
| ·人脸识别 | 第179-181页 |
| ·本章小结与讨论 | 第181-183页 |
| 第八章 非负块配准派生模型应用 | 第183-203页 |
| ·引言 | 第183-184页 |
| ·模式识别 | 第184-192页 |
| ·人脸识别 | 第184-192页 |
| ·数据挖掘 | 第192-195页 |
| ·文本聚类 | 第192-195页 |
| ·信息检索 | 第195-200页 |
| ·图像标注 | 第196-200页 |
| ·本章小结与讨论 | 第200-203页 |
| 第九章 结束语 | 第203-205页 |
| ·工作总结 | 第203页 |
| ·工作不足与展望 | 第203-205页 |
| 致谢 | 第205-207页 |
| 参考文献 | 第207-231页 |
| 作者在攻读博士期间取得的学术成果 | 第231-233页 |
| 附录A 辅助函数技术 | 第233-235页 |
| A.1 辅助函数定义 | 第233页 |
| A.2 辅助函数应用 | 第233-235页 |
| 附录B 一阶优化方法与收敛速度 | 第235页 |
| B.1 收敛速度定义 | 第235页 |
| B.2 一阶优化方法假设 | 第235页 |
| B.3 一阶优化方法的最优收敛速度 | 第235页 |
