稀疏与低秩表征中的判别模型研究及其应用 |
论文目录 | | 摘要 | 第1-5页 | ABSTRACT | 第5-9页 | 1 绪论 | 第9-14页 | · 研究的背景及意义 | 第9-10页 | · 研究的国内外现状 | 第10-12页 | · 本文的主要工作 | 第12页 | · 本文的章节安排 | 第12-14页 | 2 图像的稀疏与低秩表征相关理论 | 第14-21页 | · 引言 | 第14页 | · 稀疏表征 | 第14-16页 | · 压缩传感理论 | 第14-15页 | · 稀疏表征分类算法 | 第15-16页 | · 低秩表征 | 第16-20页 | · 矩阵秩最小化 | 第17页 | · 低秩矩阵恢复 | 第17-18页 | · 低秩表征 | 第18-20页 | · 本章小结 | 第20-21页 | 3 基于稀疏与低秩表征的判别模型 | 第21-30页 | · 引言 | 第21页 | · 几种常用的判别法 | 第21-24页 | · 距离判别法 | 第21-22页 | · 最大后验概率判别法 | 第22页 | · 贝叶斯判别法 | 第22-23页 | · Fisher判别法 | 第23-24页 | · 基于稀疏表征的判别模型 | 第24-27页 | · 基于Fisher判别的字典学习 | 第24-26页 | · 带判别投影的稀疏表征分类器 | 第26-27页 | · 基于低秩表征的判别投影 | 第27-29页 | · 本章小结 | 第29-30页 | 4 基于Fisher判别的低秩矩阵恢复 | 第30-50页 | · 引言 | 第30-31页 | · 判别性的人脸识别 | 第31页 | · 基于Fisher判别的低秩矩阵恢复算法 | 第31-35页 | · 问题设置 | 第31-32页 | · FDLR模型 | 第32-35页 | · FDLR算法的优化问题 | 第35-38页 | · 有关FDLR算法的分析 | 第38-39页 | · 复杂度 | 第38-39页 | · 收敛性 | 第39页 | · 利用FDLR算法进行人脸识别 | 第39-42页 | · 实验 | 第42-49页 | · 参数设置 | 第43页 | · The Extended Yale B数据库 | 第43-44页 | · CMU MPIE数据库 | 第44-45页 | · LFW数据库 | 第45-46页 | · AR数据库 | 第46-48页 | · 随机腐蚀像素下的识别 | 第48-49页 | · 本章小结 | 第49-50页 | 5 总结及展望 | 第50-52页 | · 本文的工作总结 | 第50-51页 | · 今后的工作展望 | 第51-52页 | 参考文献 | 第52-56页 | 附录 英文缩写对应全称 | 第56-57页 | 攻读硕士学位期间主要的研究成果 | 第57-58页 | 致谢 | 第58-60页 | 浙江师范大学学位论文诚信承诺书 | 第60页 |
|
|
|
| |