声明
摘要
1绪论
1.1论文研究背景和意义
1.2概述
1.2.1线性子空间算法
1.2.2非线性子空间算法
1.2.3约束非负矩阵分解算法
1.3应用领域
1.3.1图像识别
1.3.2文本聚类
1.3.3高光谱解混
1.3.4多视图学习
1.4论文的主要研究内容
1.5论文组织结构
2基于鉴别约束嵌入的半监督非负矩阵分解算法
2.1引言
2.2相关工作
2.2.1非负矩阵分解算法
2.2.2基于图正则化的非负矩阵分解算法
2.3基于鉴别约束嵌入的半监督非负矩阵分解
2.3.1算法原理
2.3.2目标函数构建
2.3.3目标函数求解
2.3.4理论分析
2.4实验结果和分析
2.4.1在ORL数据集上的实验
2.4.2在Yale数据集上的实验
2.4.3在Cora数据集上的实验
2.4.4参数选择
2.4.5结论分析
2.5本章小结
3基于局部流形和全局结构约束的概念分解算法
3.1引言
3.2相关工作
3.2.1概念分解算法
3.2.2局部一致概念分解算法
3.3局部流形和全局结构约束的概念分解
3.3.1算法原理
3.3.2目标函数构建
3.3.3目标函数求解
3.3.4理论分析
3.4实验结果和分析
3.4.1在PIE数据集上的实验
3.4.2在COIL20数据集上的实验
3.4.3在MNIST数据集上的实验
3.4.4在OUTEX数据集上的实验
3.4.5参数选择
3.4.6结论分析
3.5本章小结
4基于区域稀疏学习的非负矩阵分解算法
4.1引言
4.2相关工作
4.2.1线性解混模型(LMM)
4.2.2 NMF解混模型
4.3基于区域稀疏学习的非负矩阵分解
4.3.1算法原理
4.3.2目标函数构建
4.3.3目标函数求解
4.3.4收敛性分析
4.3.5实现细节
4.4实验结果和分析
4.4.1在人工模拟数据集上的实验
4.4.2在真实高光谱数据集上的实验
4.5本章小结
5面向多视图的双约束非负矩阵分解算法
5.1引言
5.2相关工作
5.2.1 ColNMF算法
5.2.2 PVC算法
5.3双约束非负矩阵分解
5.3.1算法原理
5.3.2目标函数构建
5.3.3目标函数求解
5.4实验结果和分析
5.4.1在人工数据集上的实验
5.4.2在Texas数据集上的实验
5.4.3在Washington数据集上的实验
5.4.4在Digit数据集上的实验
5.4.5参数选择
5.4.6结论分析
5.5本章小结
6结合矩阵分解和多特征融合的路面裂缝检测方法
6.1引言
6.2图像预处理
6.2.1灰度校正
6.2.2预检测
6.3多特征提取
6.4基于矩阵分解和多图嵌入的多特征融合
6.4.1半非负矩阵分解
6.4.2多图嵌入
6.4.3目标函数构建
6.4.4目标函数求解
6.4.5复杂度分析
6.5实验结果与分析
6.5.1数据集介绍
6.5.2与单一特征对比
6.5.3与传统的路面裂缝检测算法对比
6.6本章小结
7结束语
7.1本文工作总结
7.2未来工作展望
致谢
参考文献
附录
南京理工大学;