前言
第1章 緒論
第2章 基於局部和全局的子空間降維算法
2.1基於全局的子空間算法
2.1.1主成分分析及其核推廣
2.1.2線性判別分析及其核推廣
2.1.3多維尺度分析
2.1.4等距映射算法
2.2局部子空間學習算法
2.2.1局部線性嵌入
2.2.2拉普拉斯特征映射
第3章 多核二維判別子空間學習
3.1 核函數
3.2二維線性判別分析及其核方法
3.2.1二維線性判別分析
3.2.2二維線性判別分析實質
3.2.3基於核的二維線性判別分析
3.3多核二維判別分析
3.3.1多核的定義
3.3.2多核左乘單邊二維線性判別分析
3.3.3多核右乘單邊二維線性判別分析
3.3.4實驗
第4章 基於譜圖的半監督邊界費希爾分析
4.1譜嵌入數學基礎
4.1.1全局譜嵌入
4.1.2局部譜嵌入
4.2基於譜圖理論的降維算法
4.2.1圖的基本概念
4.2.2圖的Laplacian及其基本性質
4.3基於譜圖理論的局部保持映射
4.3.1 LPP算法
4.3.2 LPP與PCA的關系
4.3.3 LPP與LDA的關系
4.4基於譜圖理論降維方法的統一框架
4.4.1直接圖嵌入及其擴展方法
4.4.2圖嵌入框架的實例化
4.5 自適應半監督邊界費希爾分析
4.5.1邊界費希爾分析
4.5.2問題形式化與算法
4.5.3實驗與分析
第5章 基於圖的非負矩陣分解
5.1 NMF與PCA、VQ的關系
5.2非負矩陣分解含義
5.3非負矩陣分解
5.3.1標准NMF
5.3.2 LNMF
5.3.3 NNSC
5.3.4 SNMF
5.3.5 NMFSC
5.3.6 DNMF
5.4半監督凸非負矩陣分解
5.4.1凸非負矩陣分解算法
5.4.2 MMP算法
5.4.3算法的目標函數
5.4.4算法收斂性分析
5.4.5實驗
第6章 格拉斯曼流形上的半監督判別分析
6.1格拉斯曼流形及其上判別分析
6.1.1格拉斯曼流形
6.1.2格拉斯曼流形上的判別分析
6.2算法的目標函數與描述
6.2.1目標函數
6.2.2算法描述
6.3實驗
6.3.1描述
6.3.2實驗環境設置
6.3.3識別率
6.3.4參數的敏感性
6.3.5實驗結果的總體討論
第7章 稀疏與低秩
7.1壓縮感知
7.2低秩矩陣恢復
7.2.1矩陣填充
7.2.2矩陣填充算法
7.2.3魯棒主成分分析
7.2.4低秩表示
7.2.5矩陣重建的其他算法
參考文獻
