声明
第一章绪论
1.1 稀疏表示
1.2 字典学习
1.3 低秩表示
1.4 从卷积稀疏表示到卷积网络
1.5 本论文研究内容
第二章定制扩展稀疏表示
2.1 引言
2.2 方法
2.2.1 定制扩展稀疏表示模型
2.2.2 CESR模型求解
2.2.3 分类
2.2.4 讨论
2.3 数值实验
2.3.1 数据集介绍
2.3.2 相关参数讨论
2.3.3 模型性能调查
2.3.4 PCA能量实验
2.3.5 与字典学习方法结合
2.3.6 手工特征方法结合
2.4 总结
第三章定制字典扩展联合稀疏表示
3.1 引言
3.2 CDEJSR模型
3.2.1 定制变化字典
3.2.2 扩展联合稀疏表示
3.2.3 分类
3.3 数值实验
3.3.1 实验设置
3.3.3 收敛性
3.3.5 字典规模
3.3.6 性能评估
3.3.7 与其他字典学习方法对比
3.4 结论
第四章迭代 p-压缩阈值算法
4.2 相关工作
4.3 迭代-p压缩阈值算法
4.4 数值试验
4.4.1 实验设置
4.4.2 参数
4.4.3 仿真实验
4.4.4 真实数据实验
4.5 总结
第五章压缩判别损失函数
5.1 引言
5.2 主要方法
5.2.1 CD损失函数
5.2.2 计算
5.2.3 讨论
5.3 数值试验
5.3.2 小规模人脸数据实验
5.3.3 人脸视频数据实验
5.3.4 混合人脸数据实验
5.4 总结
第六章总结与展望
6.2 展望
参考文献
发表论文和参加科研情况说明
致谢
