声明
摘要
1 绪论
1.1 概述
1.2 基于子空间的特征抽取方法
1.2.1 线性子空间学习方法
1.2.2 非线性子空间学习方法
1.3 稀疏表示理论
1.4 本文研究工作概述
1.5 本文的内容安排
2 稀疏Fisher线性鉴别分析
2.1 引言
2.2 Fisher线性鉴别分析和最小二次回归
2.2.1 Fisher线性鉴别分析
2.2.2 最小二次回归
2.2.3 FLDA与LSLR的联系
2.3 稀疏Fisher线性鉴别分析
2.4 实验与分析
2.4.1 在UCI的Breast、WDBC和Ionosphere数据集上的实验
2.4.2 在CENPARMI手写阿拉伯数字库上的实验
2.4.3 在AR人脸数据库上的实验
2.5 小结
3 局部图嵌入鉴别分析
3.1 引言
3.2 图嵌入和受限的最大方差投影
3.2.1 图嵌入
3.2.2 受限的最大方差投影
3.3 局部图嵌入鉴别分析
3.3.1 预处理----构造新训练样本
3.3.2 基本思想
3.3.3 局部散度和类间散度的刻画
3.3.4 目标函数
3.3.5 局部图嵌入鉴别分析算法
3.4 实验与分析
3.4.1 在Yale人脸数据库上的实验
3.4.2 在FERET人脸数据库上的实验
3.5 小结
4 递归局部保持投影
4.1 引言
4.2 局部保持投影
4.3 递归局部保持投影
4.3.1 基本原理
4.3.2 算法模型
4.4 实验与分析
4.4.1 在UCI的WDBC和Sonar数据集上的实验
4.4.2 在CENPARMI手写阿拉伯数字库上的实验
4.4.3 在ORL人脸库上的实验
4.4.4 在AR人脸库上的实验
4.5 小结
5 由HKNN导出的局部鉴别分析
5.1 引言
5.2 K局部超平面最近距离分类器与正则化
5.2.1 K局部超平面最近距离分类器
5.2.2 正则化HKNN
5.3 由HKNN导出的局部鉴别分析
5.3.1 点到超平面的距离计算
5.3.2 同类和异类局部散布矩阵的刻画
5.3.3 分类准则
5.3.4 算法
5.3.5 由分类器导出特征抽取算子的框架
5.4 实验与分析
5.4.1 在AR人脸数据库上的实验
5.4.2 在Yale人脸数据库上的实验
5.4.3 在PolyU掌纹数据库上的实验
5.4.4 在CENPARMI手写阿拉伯数字库上的实验
5.5 小结
6 基于非负稀疏表示的模糊相似近邻分类方法
6.1 引言
6.2 模糊K最近邻分类器和基于稀疏表示的分类器
6.2.1 模糊K最近邻分类器
6.2.2 基于稀疏表示的分类器
6.3 基于非负稀疏表示的模糊相似近邻分类器
6.3.1 寻找相似近邻
6.3.2 构造模糊隶属度矩阵U
6.3.3 分类
6.3.4 FSNC算法
6.4 实验与分析
6.4.1 在UCI的Wine数据集上的实验
6.4.2 在AR人脸数据库上的实验
6.4.3 在CENPARMI手写阿拉伯数字库上的实验
6.4.4 在PolyU掌纹数据库上的实验
6.5 小结
7 核LASSO回归分类方法
7.1 引言
7.2 线性回归分类器和正则化作用
7.2.1 线性回归分类器
7.2.2 线性回归分类器与正则化
7.3 核LASSO回归
7.3.1 核技巧
7.3.2 基于核的LASSO回归分类器
7.4 实验与分析
7.4.1 在UCI的Wine、Iris和Glass数据集上的实验
7.4.2 在ORL人脸数据库上的实验
7.4.3 在CENPARMI手写阿拉伯数字库上的实验
7.5 小结
8 结束语
致谢
参考文献
附录