反投影稀疏表示模型及应用PDF电子书下载

查看更多关于的内容

第1部分 基础理论篇 3

第1章 绪论 3

1.1 稀疏表示概述 3

1.2 稀疏表示分类及其应用概述 4

1.3 本书内容结构及安排 6

第2章 稀疏表示分类模型 9

2.1 稀疏表示分类 9

2.1.1 稀疏表示 9

2.1.2 稀疏表示模型 10

2.1.3 稀疏表示模型的分类准则 13

2.2 改进的稀疏表示分类 14

2.2.1 协同表示分类 14

2.2.2 扩展的稀疏表示分类 15

本章小结 16

第3章 反投影稀疏表示分类模型 17

3.1 反投影稀疏表示及其性能分析 17

3.1.1 反投影稀疏表示 17

3.1.2 反投影稀疏表示的可行性分析 19

3.1.3 反投影稀疏表示的稳定性分析 20

3.2 反投影稀疏表示模型 22

3.2.1 l1－反投影稀疏表示模型 22

3.2.2 l2－反投影稀疏表示模型 22

3.2.3 l2，1－反投影稀疏表示模型 23

3.2.4 低秩－反投影稀疏表示模型 23

3.3 反投影稀疏表示模型的分类准则 24

本章小结 25

第4章 稀疏表示分类模型的量化指标体系 26

4.1 类别表示集中度指标 26

4.2 分类精度指标 28

4.2.1 ROC和AUC 28

4.2.2 DCA和类别决策指标 30

4.3 分类稳定性指标 32

4.4 分类鲁棒性指标 33

本章小结 36

第5章 稀疏表示分类模型的优化求解方法 37

5.1 增广拉格朗日乘子法 37

5.2 ADMM及其改进算法 38

5.2.1 ADMM算法 38

5.2.2 扩展的ADMM算法 40

5.2.3 广义ADMM算法 42

5.2.4 半临近广义ADMM算法 43

5.2.5 LADMAP算法 44

本章小结 45

第2部分 人脸识别篇 49

第6章 基于l2－伪全空间表示的人脸识别 49

6.1 l2－伪全空间表示模型 49

6.2 基于l2－伪全空间表示的人脸识别算法 50

6.3 实验结果及分析 51

6.3.1 参数分析 51

6.3.2 l2－伪全空间表示的性能分析 52

6.3.3 类别贡献率的性能分析 55

6.3.4 鲁棒性分析 56

6.3.5 拒绝外来样本 61

6.3.6 与其他人脸识别算法的对比 63

本章小结 65

第7章 基于低秩－l1－伪全空间表示的人脸识别 66

7.1 低秩－l1－伪全空间表示模型 66

7.1.1 l1－伪全空间表示模型 66

7.1.2 低秩－伪全空间表示模型 67

7.1.3 低秩－l1－伪全空间表示模型 67

7.2 模型的优化求解 68

7.2.1 模型中一对正交矩阵的验证 68

7.2.2 优化求解 69

7.3 基于低秩－l1－伪全空间表示的人脸识别算法 71

7.4 实验结果与分析 72

7.4.1 参数分析 73

7.4.2 低秩－l1－伪全空间表示的性能分析 73

7.4.3 类别贡献率的性能分析 75

7.4.4 收敛性分析 75

7.4.5 鲁棒性分析 77

7.4.6 相对稳定性分析 84

本章小结 89

第3部分 肿瘤识别篇 93

第8章 基于两阶段基因选择和l2－反空间表示的肿瘤识别 93

8.1 两阶段基因选择 93

8.1.1 基因初选 94

8.1.2 基于LASSO方法的基因提纯 95

8.1.3 两阶段混合基因选择算法 96

8.2 l2－反空间表示模型及其优化求解 98

8.3 基于l2－反空间表示的肿瘤识别算法 99

8.4 实验结果与分析 100

8.4.1 l2－反空间表示的性能评价 101

8.4.2 类别贡献率的性能分析 102

8.4.3 鲁棒性分析 105

8.4.4 与改进的SRC方法对比 106

8.4.5 计算复杂度分析 107

8.4.6 基因选择的性能分析 107

8.4.7 候选致病基因的生物学分析 113

本章小结 118

第9章 基于决策信息因子和l1－反空间表示的肿瘤识别 120

9.1 基于决策信息因子的基因选择 120

9.2 基于逐层预训练多层稀疏NMF模型的特征学习 122

9.2.1 NMF模型 122

9.2.2 逐层预训练多层稀疏NMF （LPML－SNMF）模型 123

9.2.3 模型的优化求解 124

9.3 l1－反空间表示模型及优化求解 125

9.3.1 基于LPML－SNMF的l1－反空间表示模型 126

9.3.2 模型的优化求解 126

9.4 基于l1－反空间表示的肿瘤识别算法 128

9.5 实验结果与分析 129

9.5.1 识别早期是否有肿瘤 130

9.5.2 识别不同肿瘤类型 131

9.5.3 识别术后是否发生转移 132

本章小结 150

第10章 基于低秩变异字典的l2.1 －反空间表示及其在肿瘤识别中的应用 151

10.1 低秩变异字典的构造 151

10.1.1 低秩变异字典 151

10.1.2 固定元素的低秩变异字典的构造 153

10.1.3 变化元素的低秩变异字典的构造 153

10.1.4 变异字典检测指标 154

10.2 l2，1－反空间表示分类模型及其优化求解 155

10.2.1 l2，1－反空间稀疏表示模型 155

10.2.2 l2，1－反空间表示模型的优化求解 156

10.3 基于低秩变异字典和l2，1－反空间表示的肿瘤识别 158

10.4 实验结果与分析 159

10.4.1 肿瘤数据库 159

10.4.2 基因初选的有效性分析 160

10.4.3 变异字典的可行性分析 161

10.4.4 变异字典的有效性分析 163

10.4.5 收敛性分析 166

10.4.6 分类性能分析 167

10.4.7 分类稳定性分析 169

10.4.8 候选致病基因的分析 174

本章小结 180

参考文献 182

附录 数据库 192

查看更多关于的内容