|
|
|
|
基于多视图相关投影分析的特征抽取与融合方法研究 |
| |
| 论文目录 |
| |
| 摘要 | 第5-7页 | | Abstract | 第7-8页 | | 1 绪论 | 第13-26页 | | 1.1 引言 | 第13-14页 | | 1.2 线性特征抽取方法的研究与发展 | 第14-16页 | | 1.2.1 主成分分析概述 | 第14-15页 | | 1.2.2 线性鉴别分析概述 | 第15-16页 | | 1.3 非线性特征抽取方法的研究与发展 | 第16-19页 | | 1.3.1 基于核技术的特征抽取方法 | 第17页 | | 1.3.2 基于流形学习的特征抽取方法 | 第17-18页 | | 1.3.3 基于稀疏学习的特征抽取方法 | 第18-19页 | | 1.4 多视图相关投影分析概述 | 第19-22页 | | 1.4.1 典型相关分析研究与发展 | 第19-21页 | | 1.4.2 多重集典型相关分析研究与发展 | 第21-22页 | | 1.5 本文的主要研究工作和内容安排 | 第22-24页 | | 1.6 本文工作的创新点 | 第24-26页 | | 2 基于稀疏表示的正则化半监督判别典型相关分析 | 第26-39页 | | 2.1 引言 | 第26-27页 | | 2.2 典型相关分析及其拓展方法介绍 | 第27-29页 | | 2.2.1 典型相关分析 | 第27页 | | 2.2.2 判别型典型相关分析 | 第27-28页 | | 2.2.3 广义典型相关分析 | 第28-29页 | | 2.2.4 半监督典型相关分析 | 第29页 | | 2.3 图嵌入降维 | 第29-30页 | | 2.3.1 图构造过程 | 第29-30页 | | 2.3.2 图嵌入形式 | 第30页 | | 2.4 基于稀疏表示的正则化半监督判别典型相关分析 | 第30-34页 | | 2.4.1 DCCA在小样本问题中的处理 | 第30-31页 | | 2.4.2 l_1-图及正则化矩阵 | 第31-32页 | | 2.4.3 SrSDCC模型构建 | 第32-33页 | | 2.4.4 模型求解 | 第33-34页 | | 2.5 实验结果与分析 | 第34-38页 | | 2.5.1 在Extended Yale B数据库上的实验 | 第34-36页 | | 2.5.2 在CUM PIE数据库上的实验 | 第36-37页 | | 2.5.3 在AR数据库上的实验 | 第37-38页 | | 2.6 小结 | 第38-39页 | | 3 基于模糊隶属度的广义典型相关分析 | 第39-52页 | | 3.1 引言 | 第39页 | | 3.2 基于模糊隶属度的广义典型相关分析 | 第39-43页 | | 3.2.1 模糊隶属度计算 | 第40-41页 | | 3.2.2 构建模糊类内散布矩阵 | 第41页 | | 3.2.3 MGCCA模型构建与求解 | 第41-43页 | | 3.3 核MGCCA | 第43-46页 | | 3.3.1 正定核MGCCA | 第43-45页 | | 3.3.2 不定核MGCCA | 第45-46页 | | 3.4 实验结果分析 | 第46-51页 | | 3.4.1 在AT&T人脸数据库上的实验 | 第46-48页 | | 3.4.2 在Yale人脸数据库上的实验 | 第48-49页 | | 3.4.3 在MFD数据库上的实验 | 第49-51页 | | 3.5 小结 | 第51-52页 | | 4 基于P-SSOR迭代算法的多重集典型相关分析 | 第52-66页 | | 4.1 引言 | 第52-53页 | | 4.2 相关方法介绍 | 第53-55页 | | 4.2.1 P-SSOR迭代算法 | 第53-54页 | | 4.2.2 多重集典型相关分析 | 第54-55页 | | 4.3 基于P-SSOR的多重集典型相关分析 | 第55-58页 | | 4.3.1 多重集典型相关分析的等价形式 | 第55-56页 | | 4.3.2 PssorMCC迭代算法的描述 | 第56-58页 | | 4.4 实验结果分析 | 第58-65页 | | 4.4.1 在MFD数据集上的实验 | 第58-60页 | | 4.4.2 在CENPARMI手写体数据库上的实验 | 第60-62页 | | 4.4.3 在COIL-20数据库上的实验 | 第62-64页 | | 4.4.4 在AT&T人脸数据库上的实验 | 第64-65页 | | 4.5 小结 | 第65-66页 | | 5 基于边界的线性鉴别多重集典型相关分析 | 第66-79页 | | 5.1 引言 | 第66-67页 | | 5.2 基于LDA的多重集典型相关分析 | 第67-68页 | | 5.3 基于边界的线性鉴别多重集典型相关分析 | 第68-72页 | | 5.3.1 局部类内散布矩阵的构造 | 第68-69页 | | 5.3.2 局部类间散布矩阵的构造 | 第69-70页 | | 5.3.3 MLDMCC模型构建与求解 | 第70-71页 | | 5.3.4 MLDMCC算法描述 | 第71-72页 | | 5.4 实验结果与分析 | 第72-77页 | | 5.4.1 数据集与特征表示 | 第72-73页 | | 5.4.2 对象种类识别 | 第73-75页 | | 5.4.3 人脸图像识别 | 第75-77页 | | 5.5 小结 | 第77-79页 | | 6 基于MEP算法的多重集整体典型相关分析拓展模型 | 第79-99页 | | 6.1 引言 | 第79-80页 | | 6.2 相关工作 | 第80-84页 | | 6.2.1 多重集整体典型相关分析 | 第80-81页 | | 6.2.2 核典型相关分析 | 第81-82页 | | 6.2.3 核多重集典型相关分析 | 第82-83页 | | 6.2.4 核多重集整体典型相关分析 | 第83-84页 | | 6.3 监督的多重集整体典型相关分析框架 | 第84-88页 | | 6.3.1 判别型的多重集整体典型相关分析 | 第84-87页 | | 6.3.2 广义多重集整体典型相关分析 | 第87-88页 | | 6.4 实验结果与分析一 | 第88-93页 | | 6.4.1 在Extended Yale B数据库上的实验 | 第89-90页 | | 6.4.2 在AT&T数据库上的实验 | 第90-91页 | | 6.4.3 在COIL-20数据库上的实验 | 第91-93页 | | 6.5 基于多核学习的多重集整体典型相关分析 | 第93-96页 | | 6.5.1 多核学习方法 | 第93页 | | 6.5.2 MKMICCA的模型构建 | 第93-94页 | | 6.5.3 模型求解 | 第94-96页 | | 6.6 实验结果分析二 | 第96-98页 | | 6.6.1 核函数描述 | 第96-97页 | | 6.6.2 在MFD数据库上的实验 | 第97页 | | 6.6.3 在AT&T数据库上的实验 | 第97-98页 | | 6.7 小结 | 第98-99页 | | 7 结束语 | 第99-102页 | | 7.1 本文工作总结 | 第99-100页 | | 7.2 未来工作展望 | 第100-102页 | | 致谢 | 第102-103页 | | 参考文献 | 第103-115页 | | 附录 | 第115-116页 |
|
|
|
|
论文编号BS3258927，这篇论文共116页
会员购买按0.35元/页下载，共需支付40.6元。 直接购买按0.5元/页下载，共需要支付58元 。 |
 |
 |
我还不是会员，注册会员！
会员下载更优惠!充值送钱！ |
我只需要这篇，无需注册！
直接网上支付，方便快捷！ |
|
|
|
版权申明：本目录由www.jylw.com网站制作，本站并未收录原文，如果您是作者，需要删除本篇论文目录请通过QQ或其它联系方式告知我们，我们承诺24小时内删除。 |
|
|
广告服务