基于矩陣分解的信息融合方法及應(yīng)用

1 緒論
1．1 研究背景與研究意義
1．1．1 研究背景
1．1．2 研究意義
1．2 國內(nèi)外研究進(jìn)展
1．2．1 信息融合研究現(xiàn)狀述評(píng)
1．2．2 基于機(jī)器學(xué)習(xí)的信息融合研究現(xiàn)狀述評(píng)
1．2．3 存在的主要問題
1．3 研究內(nèi)容與本書結(jié)構(gòu)
1．3．1 研究內(nèi)容
1．3．2 本書結(jié)構(gòu)
1．4 本書主要貢獻(xiàn)
2 信息融合相關(guān)理論
2．1 信息融合概念與原理
2．1．1 信息融合概念
2．1．2 信息融合原理
2．2 信息融合策略
2．2．1 早期融合
2．2．2 中期融合
2．2．3 后期融合
2．3 子空間學(xué)習(xí)理論
2．3．1 多視角譜聚類
2．3．2 連接的多視角非負(fù)矩陣分解
2．3．3 一致的多視角非負(fù)矩陣分解
2．3．4 基于多、圖的信息融合
2．4 本章小結(jié)
3 基于對(duì)稱非負(fù)矩陣分解的信息融合模型
3．1 對(duì)稱非負(fù)矩陣分解
3．1．1 相似性度量
3．1．2 目標(biāo)函數(shù)與優(yōu)化
3．2 SNMF與核K均值聚類、譜聚類的等效性
3．2．1 核K均值聚類
3．2．2 譜聚類
3．2．3 實(shí)例
3．3 基于對(duì)稱非負(fù)矩陣分解的聚類融合模型
3．3．1 建模思想
3．3．2 基本假設(shè)和一致性矩陣表述
3．3．3 基于對(duì)稱非負(fù)矩陣分解的聚類融合模型的建立
3．3．4 算法優(yōu)化
3．4 實(shí)例分析與討論
3．4．1 數(shù)據(jù)集描述與預(yù)處理
3．4．2 實(shí)驗(yàn)結(jié)果
3．4．3 分析與討論
3．5 本章小結(jié)
4 考慮圖正則化的對(duì)稱非負(fù)矩陣分解信息融合模型
4．1 正則化思想
4．1．1 正則化理論
4．1．2 圖正則化框架
4．2 基于Laplacian正則化的對(duì)稱非負(fù)矩陣分解融合模型
4．2．1 建模思想概述
4．2．2 基本假設(shè)
4．2．3 基于Laplacian正則化的對(duì)稱非負(fù)矩陣分解融合模型
4．2．4 算法優(yōu)化
4．2．5 實(shí)例分析與討論
4．3 基于Hessian正則化的對(duì)稱非負(fù)矩陣分解融合模型
4．3．1 建模思想概述
4．3．2 基本假設(shè)和定義
4．3．3 基于Hessian正則化的對(duì)稱非負(fù)矩陣分解融合模型
4．3．4 算法優(yōu)化
4．3．5 實(shí)例分析與討論
4．4 基于對(duì)稱非負(fù)矩陣分解的預(yù)測模型
4．4．1 基于對(duì)稱非負(fù)矩陣分解的實(shí)時(shí)樣本預(yù)測模型
4．4．2 實(shí)驗(yàn)分析與討論
4．5 本章小結(jié)
……
5 基于對(duì)稱非負(fù)矩陣分解融合模型在跨模態(tài)檢索中的應(yīng)用
6 其他多視角信息融合模型及應(yīng)用
7 總結(jié)與展望
參考文獻(xiàn)
附錄
致謝