| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-22页 |
| 1.1 课题背景与研究意义 | 第10页 |
| 1.2 基于表示的子空间聚类算法 | 第10-18页 |
| 1.2.1 稀疏子空间聚类算法（SSC） | 第12-16页 |
| 1.2.2 低秩表示算法（LRR） | 第16-18页 |
| 1.3 基于表示的子空间聚类算法发展现状 | 第18-20页 |
| 1.3.1 正则项设计 | 第19页 |
| 1.3.2 数据项的设计 | 第19-20页 |
| 1.3.3 快速算法的设计 | 第20页 |
| 1.4 基于表示的子空间聚类算法的应用 | 第20-21页 |
| 1.5 本章小结 | 第21-22页 |
| 第二章 鲁棒的结构约束低秩表示算法 | 第22-34页 |
| 2.1 引言 | 第22-23页 |
| 2.2 谱聚类驱动的低秩表示 | 第23-25页 |
| 2.3 鲁棒的结构约束低秩表示 | 第25-28页 |
| 2.3.1 研究动机 | 第25-26页 |
| 2.3.2 算法优化过程 | 第26-28页 |
| 2.4 实验结果与分析 | 第28-33页 |
| 2.4.1 运动分割实验 | 第29-30页 |
| 2.4.2 图像聚类 | 第30-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 基于流形局部约束的低秩表示算法及其应用 | 第34-49页 |
| 3.1 引言 | 第34-35页 |
| 3.2 相关研究 | 第35-38页 |
| 3.2.1 基于图的低秩表示算法 | 第35-37页 |
| 3.2.2 稀疏流形适应 | 第37-38页 |
| 3.3 流形局部约束的低秩表示算法 | 第38-43页 |
| 3.4 实验结果与分析 | 第43-48页 |
| 3.4.1 子空间分割 | 第43-44页 |
| 3.4.2 半监督学习 | 第44-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第四章 Latent Space结构约束低秩表示算法 | 第49-60页 |
| 4.1 引言 | 第49-50页 |
| 4.2 Latent Space稀疏子空间聚类算法 | 第50-51页 |
| 4.3 Latent Space低秩结构约束表示算法 | 第51-55页 |
| 4.3.1 研究动机 | 第51-52页 |
| 4.3.2 优化问题求解 | 第52-55页 |
| 4.4 实验结果与分析 | 第55-59页 |
| 4.4.1 Extended Yale B数据集上的实验 | 第55-57页 |
| 4.4.2 AR数据集聚类实验 | 第57-58页 |
| 4.4.3 MNIST数据集的聚类实验 | 第58-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 低秩表示算法及其在半监督学习中的应用 | 第60-81页 |
| 5.1 引言 | 第60-62页 |
| 5.2 相关研究 | 第62-64页 |
| 5.2.1 半监督分类 | 第62-63页 |
| 5.2.2 弹性流行嵌入（FME） | 第63-64页 |
| 5.3 基于图正则化低秩表示的半监督学习算法 | 第64-67页 |
| 5.3.1 GLRSC算法的目标函数 | 第64页 |
| 5.3.2 求解GLRSC算法的LADMAP优化方法 | 第64-67页 |
| 5.4 GLRSC实验 | 第67-71页 |
| 5.4.1 实验设置 | 第67-69页 |
| 5.4.2 实验结果分析 | 第69-71页 |
| 5.5 基于结构约束低秩表示的半监督学习算法 | 第71-76页 |
| 5.5.1 研究动机 | 第71-72页 |
| 5.5.2 GESR-LR算法模型 | 第72-73页 |
| 5.5.3 GESR-LR算法优化方法 | 第73-76页 |
| 5.6 实验结果与分析 | 第76-79页 |
| 5.6.1 数据集描述 | 第76页 |
| 5.6.2 分类结果 | 第76-79页 |
| 5.7 本章小结 | 第79-81页 |
| 第六章 熵加权迁移软子空间聚类算法 | 第81-88页 |
| 6.1 引言 | 第81-82页 |
| 6.2 软子空间聚类 | 第82页 |
| 6.3 熵加权迁移软子空间聚类算法 | 第82-84页 |
| 6.4 实验结果与分析 | 第84-87页 |
| 6.4.1 实验设置 | 第84-85页 |
| 6.4.2 UCI标准数据集 | 第85-86页 |
| 6.4.3 基因表达数据 | 第86-87页 |
| 6.5 本章小结 | 第87-88页 |
| 第七章 主要结论与展望 | 第88-90页 |
| 7.1 主要结论 | 第88-89页 |
| 7.2 展望 | 第89-90页 |
| 致谢 | 第90-91页 |
| 参考文献 | 第91-97页 |
| 附录: 作者在攻读博士学位期间发表的论文 | 第97页 |
