目錄
第1部分 基礎理論篇
第1章 緒論
1.1 稀疏表示概述
1.2 稀疏表示分類及其應用概述
1.3 本書內容結構及安排
第2章 稀疏表示分類模型
2.1 稀疏表示分類
2.1.1 稀疏表示
2.1.2 稀疏表示模型
2.1.3 稀疏表示模型的分類準則
2.2 改進的稀疏表示分類
2.2.1 協同表示分類
2.2.2 擴展的稀疏表示分類
本章小結
第3章 反投影稀疏表示分類模型
3.1 反投影稀疏表示及其性能分析
3.1.1 反投影稀疏表示
3.1.2 反投影稀疏表示的可行性分析
3.1.3 反投影稀疏表示的穩定性分析
3.2 反投影稀疏表示模型
3.2.1 l1-反投影稀疏表示模型
3.2.2 l2-反投影稀疏表示模型
3.2.3 l2,1-反投影稀疏表示模型
3.2.4 低秩.反投影稀疏表示模型
3.3 反投影稀疏表示模型的分類準則
本章小結
第4章 稀疏表示分類模型的量化指標體系
4.1 類別表示集中度指標
4.2 分類精度指標
4.2.1 RoC和AUC
4.2.2 DCA和類別決策指標
4.3 分類穩定性指標
4.4 分類魯棒性指標
本章小結
第5章 稀疏表示分類模型的優化求解方法
5.1 增廣拉格朗日乘子法
5.2 ADMM及其改進演算法
5.2.1 ADMM演算法
5.2.2 擴展的ADMM演算法
5.2.3 廣義ADMM演算法
5.2.4 半臨近廣義ADMM演算法
5.2.5 LADMAP演算法
本章小結
第2部分 人臉識別篇
第6章 基於l2-偽全空間表示的人臉識別
6.1 l2-偽全空間表示模型
6.2 基於l2-偽全空間表示的人臉識別演算法
6.3 實驗結果及分析
6.3.1 參數分析
6.3.2 l2-偽全空間表示的性能分析
6.3.3 類別貢獻率的性能分析
6.3.4 魯棒性分析
6.3.5 拒絕外來樣本
6.3.6 與其他人臉識別演算法的對比
本章小結
第7章 基於低秩-l1-偽全空間表示的人臉識別
7.1 低秩-l1-偽全空間表示模型
7.1.1 l1-偽全空間表示模型
7.1.2 低秩.偽全空間表示模型
7.1.3 低秩-l1-偽全空間表示模型
7.2 模型的優化求解
7.2.1 模型中一對正交矩陣的驗證
7.2.2 優化求解
7.3 基於低秩-l1-偽全空間表示的人臉識別演算法
7.4 實驗結果與分析
7.4.1 參數分析
7.4.2 低秩-l1-偽全空間表示的性能分析
7.4.3 類別貢獻率的性能分析
7.4.4 收斂性分析
7.4.5 魯棒性分析
7.4.6 相對穩定性分析
本章小結
第3部分 腫瘤識別篇
第8章 基於兩階段基因選擇和，，一反空間表示的腫瘤識別
8.1 兩階段基因選擇
8.1.1 基因初選
8.1.2 基於LASSO方法的基因提純
8.1.3 兩階段混合基因選擇演算法
8.2 l2-反空間表示模型及其優化求解
8.3 基於l2-反空間表示的腫瘤識別演算法
8.4 實驗結果與分析
8.4.1 l2-反空間表示的性能評價
8.4.2 類別貢獻率的性能分析
8.4.3 魯棒性分析
8.4.4 與改進的SRC方法對比
8.4.5 計算複雜度分析
8.4.6 基因選擇的性能分析
8.4.7 候選致病基因的生物學分析
本章小結
第9章 基於決策信息因子和l1-反空間表示的腫瘤識別
9.1 基於決策信息因子的基因選擇
9.2 基於逐層預訓練多層稀疏NMF模型的特徵學習
9.2.1 NMF模型
9.2.2 逐層預訓練多層稀疏NMF(LPML.SNMF)模型
9.2.3 模型的優化求解
9.3 l1-反空間表示模型及優化求解
9.3.1 基於LPML.SNMF7的l1-反空間表示模型
9.3.2 模型的優化求解
9.4 基於l2,1-反空間表示的腫瘤識別演算法
9.5 實驗結果與分析
9.5.1 識別早期是否有腫瘤
9.5.2 識別不同腫瘤類型
9.5.3 識別術后是否發生轉移
本章小結
第10章 基於低秩變異字典的l2,1-反空間表示及其在腫瘤識別中的應用
10.1 低秩變異字典的構造
10.1.1 低秩變異字典
10.1.2 固定元素的低秩變異字典的構造
10.1.3 變化元素的低秩變異字典的構造
10.1.4 變異字典檢測指標
10.2 l2,1-反空間表示分類模型及其優化求解
10.2.1 l2,1-反空間稀疏表示模型
10.2.2 l2,1-反空間表示模型的優化求解
10.3 基於低秩變異字典和l2,1-反空間表示的腫瘤識別
10.4 實驗結果與分析
10.4.1 腫瘤資料庫
10.4.2 基因初選的有效性分析
10.4.3 變異字典的可行性分析
10.4.4 變異字典的有效性分析
10.4.5 收斂性分析
10.4.6 分類性能分析
10.4.7 分類穩定性分析
10.4.8 候選致病基因的分析
本章小結
參考文獻
附錄 資料庫
[