基于子空间的多视图学习理论和方法研究

目录

声明

致谢

1 绪论

1.1 研究背景和意义

1.2 关键科学问题

1.3 本文主要研究内容

1.4 论文组织结构

2 相关工作概述

2.1 基于子空间的多视图数据表示学习

2.1.1 完整多视图数据表示学习

2.1.2 不完整多视图数据表示学习

2.2 张量及其基本运算

2.3 ADMM优化框架

3 完整多视图数据表示学习

3.1 引言

3.2 相关工作

3.3 完整多视图数据表示学习模型

3.3.1 符号标记

3.3.2 自表示张量学习

3.3.3 低维表示学习

3.4 优化求解

3.4.1 更新Z

3.4.2 更新B、U、V及W

3.4.3 时间复杂度分析

3.5 实验结果及分析

3.5.1 数据集

3.5.2 对比方法

3.5.3 参数的影响

3.5.4 与相关工作的对比实验

3.5.5 tRLMvC性能分析

3.5.6 tRLMvC收敛性分析

3.6 本章小节

4 不完整跨视图哈希表示学习

4.1 引言

4.2 相关工作

4.3 不完整跨视图哈希学习模型

4.3.1 问题描述

4.3.2 模型构建

4.3.3 优化算法

4.4 实验结果及分析

4.4.1 数据集

4.4.2 对比方法

4.4.3 评价指标

4.4.4 实验结果及分析

4.5 本章小结

5 多视图数据特征重要性和表示学习

5.1 引言

5.2 相关工作

5.3 加权多视图数据表示学习方法

5.3.1 模型介绍

5.3.2 优化过程

5.4 实验结果及分析

5.4.1 数据集和对比方法

5.4.2 性能评估

5.5 本章小结

6 总结与展望

6.1 本文工作总结

6.2 未来工作展望

参考文献

攻读博士学位期间发表的学术论文

学位论文数据集