基于矩陣分解的信息融合方法及應用

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 國內外研究進展
1．2．1 信息融合研究現(xiàn)狀述評
1．2．2 基于機器學習的信息融合研究現(xiàn)狀述評
1．2．3 存在的主要問題
1．3 研究內容與本書結構
1．3．1 研究內容
1．3．2 本書結構
1．4 本書主要貢獻
2 信息融合相關理論
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 子空間學習理論
2．3．1 多視角譜聚類
2．3．2 連接的多視角非負矩陣分解
2．3．3 一致的多視角非負矩陣分解
2．3．4 基于多、圖的信息融合
2．4 本章小結
3 基于對稱非負矩陣分解的信息融合模型
3．1 對稱非負矩陣分解
3．1．1 相似性度量
3．1．2 目標函數(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 實例
3．3 基于對稱非負矩陣分解的聚類融合模型
3．3．1 建模思想
3．3．2 基本假設和一致性矩陣表述
3．3．3 基于對稱非負矩陣分解的聚類融合模型的建立
3．3．4 算法優(yōu)化
3．4 實例分析與討論
3．4．1 數(shù)據(jù)集描述與預處理
3．4．2 實驗結果
3．4．3 分析與討論
3．5 本章小結
4 考慮圖正則化的對稱非負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正則化的對稱非負矩陣分解融合模型
4．2．1 建模思想概述
4．2．2 基本假設
4．2．3 基于Laplacian正則化的對稱非負矩陣分解融合模型
4．2．4 算法優(yōu)化
4．2．5 實例分析與討論
4．3 基于Hessian正則化的對稱非負矩陣分解融合模型
4．3．1 建模思想概述
4．3．2 基本假設和定義
4．3．3 基于Hessian正則化的對稱非負矩陣分解融合模型
4．3．4 算法優(yōu)化
4．3．5 實例分析與討論
4．4 基于對稱非負矩陣分解的預測模型
4．4．1 基于對稱非負矩陣分解的實時樣本預測模型
4．4．2 實驗分析與討論
4．5 本章小結
……
5 基于對稱非負矩陣分解融合模型在跨模態(tài)檢索中的應用
6 其他多視角信息融合模型及應用
7 總結與展望
參考文獻
附錄
致謝