第1章 绪论 1
1.1研究背景与意义 2
1.2传统特征提取和分类方法 7
1.3基于张量数据的特征提取和分类方法研究现状 9
1.3.1数据的张量表示 10
1.3.2基于张量数据的特征提取算法 12
1.3.3基于张量数据的分类器 17
1.3.4张量型算法与向量型算法比较 19
1.4实验数据库 21
1.5本章小结 24
第2章 相关理论基础 25
2.1张量理论 26
2.1.1张量的符号表示与展开 27
2.1.2张量的基本运算 28
2.1.3张量的秩和分解 30
2.1.4张量-张量投影与张量-矢量投影 32
2.2相关向量型特征提取算法 36
2.2.1 PCA算法 36
2.2.2 LDA和MSD算法 38
2.3极限学习机分类算法 40
2.4岭回归分类算法 44
2.5本章小结 47
第3章 基于MPCA和GTDA的张量型特征提取算法 48
3.1引言 49
3.2融合MPCA和GTDA的特征提取算法 51
3.2.1多线性主成分分析 52
3.2.2广义张量判别分析 53
3.2.3 MPCA与GTDA算法融合 56
3.3 GTDA算法的先决条件分析 60
3.3.1投影后特征子空间的维数确定 61
3.3.2迭代初始化的条件 62
3.3.3迭代终止条件 65
3.3.4收敛性 66
3.4实验结果分析 67
3.4.1 GTDA初始化条件的选择 67
3.4.2 GTDA与MDA的收敛性分析 73
3.4.3 FERET人脸库的实验和结果分析 75
3.4.4步态数据库的实验和结果分析 79
3.4.5 AR彩色人脸数据库的实验和结果分析 81
3.5本章小结 84
第4章 张量型极限学习机分类算法 86
4.1引言 87
4.2二维极限学习机分类器 88
4.2.1 2D-ELM算法原理 89
4.2.2 2D-ELM实验结果分析 92
4.3张量极限学习机分类器 97
4.3.1 TELM算法原理 97
4.3.2 TELM的实验结果分析 100
4.4本章小结 104
第5章 多线性多秩回归分类算法(MMRR) 106
5.1引言 107
5.2 MMRR算法原理 113
5.2.1算法推导过程 113
5.2.2迭代优化过程 114
5.3 MMRR算法先决条件分析 121
5.3.1 MMRR算法的收敛性 121
5.3.2. MMRR算法的初始化条件和计算量比较 123
5.3.3 MMRR算法中各参数的确定 125
5.4实验结果分析 128
5.4.1收敛性分析 128
5.4.2不同初始化方法对算法分类性能的影响 133
5.4.3参数变化对算法分类性能的影响 134
5.4.4 MMRR分类器的分类性能 137
5.5本章小结 140
第6章 总结与展望 142
6.1全文总结 143
6.2工作展望 146
缩写符号对照表 149
数学符号对照表 159
参考文献 165