声明
1 绪论
1.1 研究背景及意义
1.2 研究现状
1.2.1 有监督数据降维
1.2.2 半监督数据降维
1.2.3 无监督数据降维
1.3 本文的研究内容
1.3.1 基于局部近邻对齐的无监督多视角数据降维
1.3.2 基于判别局部对齐的有监督多视角数据降维
1.3.3 直推式多视角数据降维在高光谱图像分类中的应用
1.3.4 基于空间信息的多视角数据降维在高光谱图像分类中的应用
1.4 本文的章节安排
2 基于局部近邻对齐的无监督多视角数据降维
2.1 引言
2.2 相关工作
2.3 多视角低维充分空间学习模型的建立
2.4 基于局部近邻对齐的无监督多视角数据降维算法
2.5 算法的求解与复杂度分析
2.6 实验分析
2.6.1 数据库与实验设置
2.6.2 参数设置
2.6.3 低维充分空间的充分性与判别性验证实验
2.6.4 单视角验证实验
2.6.5 对比实验
2.6.6 收敛性分析
2.7 本章小结
3 基于判别局部对齐的有监督多视角数据降维
3.1 引言
3.2 相关工作
3.3 预备知识
3.3.1 线性判别分析算法（LDA）
3.3.2 局部块对齐框架
3.3.3 判别局部对齐算法（DLA）
3.4 基于判别局部对齐的有监督多视角数据降维算法
3.5 算法的求解与复杂度分析
3.6 实验分析
3.6.1 数据库与实验设置
3.6.2 参数设置
3.6.3 判别性与充分性验证实验
3.6.4 单视角验证实验
3.6.5 对比实验分析
3.6.6 收敛性分析
3.7 讨论
3.8 本章小结
4 直推式多视角数据降维在高光谱图像分类中的应用
4.1 引言
4.2 相关工作
4.3 预备知识
4.3.1 半监督学习
4.3.2 判别信息
4.3.3 损失函数
4.4 基于直推式学习的半监督多视角数据降维算法
4.5 算法的求解与复杂度分析
4.6 直推式多视角数据降维算法的高光谱图像分类实验
4.6.1 实验设置
4.6.2 参数设置
4.6.3 高光谱图像分类的对比实验分析
4.6.4 不均衡数目标记样本下的对比实验结果
4.7 本章小结
5 基于空间信息的多视角数据降维算法在高光谱图像分类中的应用
5.1 引言
5.2 相关工作
5.3 基于空间信息的半监督多视角数据降维算法及其求解
5.4 基于空间信息的多视角数据降维算法的高光谱图像分类实验
5.4.1 实验设置
5.4.2 参数设置
5.4.3 基于空间信息的半监督算法在高光谱图像分类中的对比实验分析
5.5 本章小结
6 总结与展望
6.1 全文总结
6.2 研究展望
致谢
参考文献
附录1 攻读学位期间发表论文目录
