导读:本文包含了子空间分析论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:空间,稀疏,流形,正则,费尔,刀具,平稳。
子空间分析论文文献综述
郭晶晶,刘欢欢[1]（2019）在《基于改进堆迭独立子空间分析模型的行为识别》一文中研究指出视觉特征提取与特征表达方法在图像分类及识别中十分重要,从特征学习和特征表达角度出发,提出一种基于改进堆迭独立子空间分析模型提取特征的行为识别算法。首先采用两层独立子空间神经网络构建堆迭网络,在特征学习过程中融入正则化约束项,并结合时空卷积算法,获取视频时空层次化不变性特征基元;然后以堆迭卷积网络两层特征基元的非线性映射获取一种规则网格划分下的视频块状局部特征描述符;最后结合时空金字塔匹配模型构建时空层次特征,采用一对多支持向量机分类方法对视频中的动作进行分类。在KTH视频数据库中进行实验。结果表明,该算法学习到的特征基元可对视频构建低维高效的特征描述符,与现有多种行为识别算法进行对比,改进行为识别算法有效性进一步提高。(本文来源于《软件导刊》期刊2019年05期）
高晨[2]（2019）在《基于稳态子空间分析的铣削刀具状态监测方法研究》一文中研究指出数控铣床作为使用最为广泛的设备之一,其智能化程度直接影响到智能制造的实施。刀具作为铣床实施铣削操作的最终端部件,是铣削加工成功的关键因素,也是最易损伤和浪费最严重的部件,对其进行及时有效的状态识别与监测非常重要。本文研究铣床加工过程中刀具的状态监测技术,为铣削刀具状态评估以及维护决策提供有效的信息参考。本文首先从传感技术、特征提取和监测模型等方面综述了铣削刀具状态监测关键技术的研究现状,总结了动态信号的经典处理方法,分析了稳态子空间分析方法的理论原理和算法过程,为课题的开展奠定扎实的理论基础。针对铣削刀具状态监测样本量少、信号时变性强等特征,提出了基于稳态子空间分析的多传感铣削刀具状态监测方法。首先,通过稳态子空间分析方法把多维传感信号分解为稳态子空间和非稳态子空间,进而提取非稳态子空间的10个无量纲时频统计参数用以训练最小二乘支持向量机回归模型,获得刀具磨损量估计模型。通过对刀具状态监测公开基准数据和多传感刀具状态监测实验的构建和比较分析,验证了所提方法的可行性和有效性。针对单传感条件下铣削刀具状态监测问题,结合相空间重构技术、提出了基于相空间重构和稳态子空间分析的单传感铣削刀具状态监测方法。首先,利用相空间重构技术将一维传感信号扩展为多维信号,进而采用稳态子空间分析将扩维后的多维信号分解为稳态子空间和非稳态子空间,提取非稳态子空间信号中的10个无量纲时频统计参数作为最小二乘支持向量机多分类模型的输入参数。最后,搭建了数控铣床四刀面端铣刀的实验平台,开展了刀具磨损状态监测实验,实验结果的分析表明,本文所提方法比其他几种方法更有效。(本文来源于《温州大学》期刊2019-05-01）
杨继攀[3]（2019）在《基于稀疏子空间分析的高光谱图像聚类算法关键技术研究》一文中研究指出近年来,高光谱遥感技术发展迅速,再加上高光谱图像(Hyperspectral Image,简称为HSI)本身可以提供地物的详细覆盖信息,研究人员可以从HSI中更加高效的提取出地物的光谱信息,辐射能量以及空间信息。但是HSI包含了丰富的空间信息和光谱信息,这导致它会有成百上千的维数,很容易造成维度灾难,所以其实对它进行聚类是比较困难的。现目前,我们可以将HSI聚类大致分为四种方法:1)基于质心的方法;2)基于密度的方法;3)基于生物学的方法;4)基于谱聚类的方法。其中谱聚类法较为流行且效果良好,而稀疏子空间聚类(Sparse Subspace Clustering,下面简称为SSC)就是众多谱聚类算法中的一种。SSC算法虽然可以对带噪声的数据进行处理,但是直接利用这种算法进行聚类也有它的局限。基于此,针对SSC算法未利用HSI的空间特征信息引入了流形正则项,在确保利用了 HSI的光谱信息的情况下,更好的获取了 HSI的空间特征;针对SSC算法未利用先验知识引入了半监督学习方法“高斯域和调和函数”(GFHF),同时利用类概率,用己知标签求取未知标签的类概率初始值代替GFHF中的标签二值矩阵。论文在基于SSC算法的基础上,做了以下改进:1)论文提出了一种新的算法,它叫做Laplacian regularized Sparse Subspace Clustering(LapSSC),它增加了以拉普拉斯图为特征的新的流形正则项来反映局部流形结构。因为流形正则项可以捕捉数据点的局部几何结构。所以这种流形正则项的加入,在确保利用到了HSI的整体空间结构的情况下,同时也将HSI的局部空间几何结构利用了起来。在原有算法的优越性能下,进一步有了提高。2)利用着名的半监督学习方法GFHF,将少量的监督信息通过GFHF传播到未标记的数据。但是这存在一个问题,在进行GFHF半监督学习之前,不知道未标记数据点属于每个类的概率,通常的方法是将未标记数据点的初始标签全表示为零,这在一定的范围内限制了聚类精度。因此论文提出了一种新的半监督稀疏子空间聚类框架,叫做Semi-supervised Subspace Clustering for SSC via Class Probability(CPS4C)。论文利用监督信息,通过类概率传播的方法对未标记数据属于哪个子空间进行一个初始的类概率判断,这在很大程度上优化了半监督学习的初始数据,提高了聚类精度。最后,本论文针对提出的不同的聚类方法,在几个知名的HSI数据集上做了一系列实验,数据集分别为Pavia University,Pavia Centre,Salinas。实验结果进一步证明了改进方法的有效性。(本文来源于《安徽大学》期刊2019-05-01）
苏春晨[4]（2018）在《基于独立子空间分析网络的聚类算法研究》一文中研究指出独立子空间分析(IndependentSubspaceAnalysis,ISA)具有非常有效的非线性特征提取能力,在人脸识别,图像分割,图像理解和图像聚类等方面得到广泛的应用。在这些实际应用中,关键在于提取数据的有效特征,现有许多提取特征的方式都较直接,很少利用到数据的原始结构信息。本文以独立子空间分析网络为基础,提出基于带数据稀疏先验信息的深度网络学习聚类算法,它将训练获得的数据先验子空间信息,作为独立子空间分析网络的输出约束,并用于聚类分析。本论文主要针对单层和多层子空间分析网络学习提出两种方法。本文将原始数据的结构信息引入到模型中,提出一种带稀疏先验的独立子空间分析(IndependentSubspaceAnalysiswithSparsityPrior,ISASP)网络。ISASP 网络将数据从输入空间非线性映射到特征空间,得到数据的特征向量,并且使该特征向量与原始数据具有相似的子空间结构。数据的特征向量被用于构建数据的关联矩阵(affinity matrix),然后使用谱聚类算法得到数据的聚类结果。ISASP利用数据的稀疏先验信息对网络输出进行约束,使得模型可以更偏向于给出数据的最优特征。本论文将模型在两个基准数据集上的聚类实验结果与其他算法进行对比来验证ISASP的性能。针对输入数据特征维度的变大,ISASP模型的效率会逐渐降低的问题,提出一种堆迭式的带稀疏先验的独立子空间分析(Stacked-ISASP)网络。该算法将输入数据进行切分,并分别输入到多个ISASP子单元中,从而降低网络的参数复杂度。本论文通过在CMU-PIE,ORL,COIL20和USPS这四个基准数据集的实验结果验证算法的性能。在聚类任务方面,本文介绍了几种常用的聚类算法,通过对这几种算法的学习,本文最后选用基于谱聚类的稀疏子空间聚类算法作为数据的最终划分处理方法。通过使用Stacked-ISASP模型的处理得到的数据本质特征,在4个数据集上分别进行5个评价指标的实验,证明了本文提出算法的有效性,在各个指标上都取得较好的成绩。特别地,在平均聚类准确度上,实验结果分别高达88.42%、86.35%、98.51%和98.69%。(本文来源于《华南理工大学》期刊2018-05-31）
张静然[5]（2018）在《局部Fisher准则以及子空间分析的人脸识别算法研究》一文中研究指出人脸识别由于其广阔的应用前景和重大的学术价值,在模式识别和机器视觉领域已成为一个活跃的研究方向。如何高效从数据中提取有辨识性特征,然后基于这些特征进行分类识别是人脸识别技术中关键问题。由于原图像样本较少而特征维数较高,有效识别一直是个难点。为解决依据图像表现的人脸识别问题,对原图像维数进行约简必不可免,子空间降维人脸识别技术是当前研究的一个热点;同时稀疏表示理论也遵循约简思想,并对噪声和有损信号有优良的应对能力,稀疏子空间算法作为特征提取算法,在保留稀疏表示对噪声鲁棒的特点基础上,直接对测试样本采取投影降维,简单高效。本文在线性子空间和稀疏表示的基础上,研究两种有效特征提取算法,主要贡献如下:(1)样本局部结构对人脸识别算法性能有重要影响,为解决局部保持投影中参数选择的问题并合理利用样本标签信息,以使样本在保持更真实的样本近邻关系同时,能增强投影降维后样本特征判别性,提出局部Fisher准则判别投影算法。该算法通过求解样本在总体下稀疏表示,然后保留这种稀疏结构关系的方式,来自适应选择样本的近邻参数K,以使样本间分布关系尽可能符合真实情况;在获取稀疏近邻结构的基础上,利用样本标签信息设计两种自定义的类内局部散度矩阵和类间局部散度矩阵,以使得在保留样本间近邻关系的同时,能提高样本标签信息带来的判别能力;通过构造局部Fisher准则判别投影目标函数,使投影降维后同类样本能更好的相互表示,而不同类的样本有较大差异。所提出的算法,能使同类样本间的稀疏近邻关系得到保持,而非同类样本间的稀疏近邻结构得到破坏。在Yale、AR、Yale B人脸数据库上进行大量实验,结果表明所提出的算法有更高的识别率是一个有效的降维算法。(2)为解决直接从人脸样本中应用统计方法提取子空间,易受原样本中对分类不利特征及噪声影响的问题,提出用判别字典学习来获取线性子空间进行人脸识别的算法。该算法首先学习与类别相关的结构字典,同时保持同类样本间的稀疏系数局部结构,并破坏非同类样本间稀疏系数的局部结构,以提高字典原子的判别性和保持稀疏系数的局部结构性;然后对重构后的样本由MMC准则提取判别线性子空间,以减弱噪声和不利特征对直接从原样本提取子空间的影响,以及避免判别子空间提取中的小样本问题。在Yale、AR、Yale B人脸数据库进行仿真实验表明本文算法较常用子空间算法有更高的识别率。(本文来源于《江西理工大学》期刊2018-05-20）
林原灵,陈前[6]（2018）在《一种平稳子空间分析的快速不动点算法》一文中研究指出平稳子空间分析是新近发展的一种信号处理和数据分析技术,能够从观测到的多维非平稳信号中分离出平稳源信号。标准的平稳子空间分析算法基于Stiefel流形上的梯度下降方法。针对该算法收敛慢、耗时多的缺陷,根据关于Stiefel流形上优化问题的一阶最优性条件构造了迭代公式,提出一种新的平稳子空间分析的不动点算法。仿真实验表明,本文算法能够有效地分离出平稳源信号,分离性能优于已有的平稳子空间分析的不动点算法;与标准的基于Stiefel流形上梯度下降的算法相比,本文算法收敛更快,耗时更少。(本文来源于《计算机与现代化》期刊2018年05期）
刘全乐[7]（2018）在《基于子空间分析和维度投影的交互式多变量体绘制研究》一文中研究指出数据可视化与可视化分析是一个多学科交叉的研究领域,它的目的是通过图形显示数据中隐藏的特征模式和有价值的信息。体绘制作为体数据可视化的重要技术,已经被广泛地应用于生物医学、燃烧与气象模拟、地质勘探等领域。其中传递函数的设计是体绘制技术的关键任务,它将体素值转换为光学属性,可以帮助用户高效探索体数据中的重要特征。传统传递函数普遍基于单变量进行设计且交互方式单一,然而,许多科学现象往往需要多种属性进行表示,如气象数据是由温度、压力、湿度等多种属性共同组成,单变量传递函数无法表达其复杂的内部结构。因此,如何理解多变量体数据并对它们进行可视化已成为巨大挑战。解决上述问题的一个重要途径就是理解多个变量的相关性,并利用这些信息设计关联空间中多种属性的传递函数,通过调整传递函数,使用户能够对多变量体数据中的复杂特征进行交互式分析研究。本文针对目前多变量体数据可视分析方法设计不直观、操作复杂以及无法展现复杂特征等问题,从全局和局部的视角出发,提出了一种将子空间聚类方法与RadViz技术(Radial Coordinate Visualization)有效结合的多变量体数据可视分析方法。由于多变量体数据普遍具有数据规模大的特点,从全局视角出发,利用Kmeans++算法从原始数据中提取具有代表性的样本点;通过子空间聚类方法实现高维空间中代表性样本点在低维空间中的表示,以体现不同样本点所代表簇的相似关系,同时便于交互切换不同的子空间;对RadViz可视化技术进行改进,展示相应子空间内部数据在不同维度的分布情况,同时进行交互设计,支持用户选取感兴趣的特征,协助用户进一步探索所选子空间的局部细节信息。根据所提出的方法,构建了基于子空间分析与维度投影的交互式多变量体数据可视化系统SAMP-Viz(Subspace Analysis and Multidimensional Projection Visualization),它可以有效地消除用户探索的盲目性,降低用户交互的复杂性。实验结果表明,本文的方法能够有效协助用户识别多变量体数据中的复杂特征并准确表达数据在不同维度间的分布信息,在保证体绘制实时性的同时,通过便捷的交互手段提高了用户的分析效率。(本文来源于《东北师范大学》期刊2018-05-01）
王占[8]（2017）在《基于稀疏子空间分析的人脸表情识别算法研究》一文中研究指出人脸表情识别是利用计算机来自动完成表情的分类,为人类的情感计算提供了重要的研究基础,其中人脸表情特征提取至关重要,即如何提取有效的特征来提高识别效果。线性特征提取算法是特征提取中常见的方法,它是将原始数据通过变换映射到一低维的空间,在此低维空间中根据某种规则确定最能反映原始数据本质的低维特征,但这些特征提取算法得到的特征是不可解释的。本文将稀疏性引入到子空间特征提取算法中去,其基本原理是寻找由稀疏的基向量张成的子空间。由于基向量是稀疏的,可以对特征进行选择,得到很好的识别效果,同时又可以给出合理的特征层面的语义解释。论文的主要贡献如下:1.从图嵌入的目标函数出发,在此基础上提出一种稀疏子空间特征提取框架,在此框架中首先利用Fukunage-koontz变换理论分析鉴别信息在各个子空间的分布,得出结论—鉴别信息只存在于总体散度矩阵的秩空间,总体散度矩阵的零空间是不包含任何鉴别信息的,可以去除掉。于是在总体散度矩阵的秩空间中寻找稀疏最优解,将目标函数转化为矩阵方程的形式,然后再进行l1-范数限制,利用线性Bregman迭代算法在矩阵上的推广来求稀疏投影矩阵,同时又保证了算法的收敛性。在此框架的基础上,以具体的算法为例,验证稀疏投影的有效性。2.在图嵌入框架中,如何构造有效的图至关重要,受稀疏表示理论的启发,我们利用稀疏表示模型来构造一种有监督的图,提出双稀疏鉴别投影算法(DSDP),主要是对每个样本用其所在类的其他样本来进行稀疏表示进而构造图,这样做的好处是能够挖掘类内的局部结构,处理多模问题。最后利用Fisher准则来确定目标函数,将其放入前面提出的稀疏子空间特征提取框架来求稀疏投影矩阵。实验表明DSDP能够取得比稀疏保持投影(SPP)更好的效果。3.稀疏表示在矩阵上的推广是低秩表示,低秩表示能够对有污染的图像进行处理得到干净的图像,其模型中低秩表示系数矩阵不仅可以看成原始数据的一种表示,又可以表示数据点之间的相似关系。于是我们提出一种正则化的低秩表示模型来构造鲁棒的图,在此基础上提出基于低秩图的稀疏鉴别保持投影算法(LRG-SDPP),该算法仍是利用前面提出的稀疏子空间特征提取框架求稀疏解。实验表明LRG-SDPP能够对人脸表情识别有很好的效果,特别是对带有遮挡的人脸表情识别具有鲁棒性。4.由于图像的自然表示是张量形式的,我们在张量子空间特征提取算法的基础上提出稀疏张量图保持鉴别投影算法(STGPDP),首先在张量数据空间上利用稀疏表示模型来构造图,而不是传统的基于欧式距离的邻域图。为了求得稀疏解,将目标函数转化为回归类型的问题,然后通过添加稀疏正则项或弹性网正则项来求解。在分类阶段,利用极限学习机和最近邻分类器进行分类,并对两种分类器进行了比较。实验表明STGPDP算法比传统的张量子空间特征提取算法的识别效果要好,在分类能力上,极限学习机的分类能力强且学习速度快。(本文来源于《北京交通大学》期刊2017-12-01）
田正东[9]（2017）在《基于子空间分析的DOA估计算法研究》一文中研究指出空间信号波达方向(DOA)估计是阵列信号处理的一个重要分支。基于子空间分析的二维DOA估计能够实现对空间信号更加准确的定位,并且充分利用阵列数据矩阵或其二阶统计量的内在结构特性,具有分辨率高、复杂度低、实时性好等优点,是DOA估计领域的研究重点之一。随着二维DOA估计在工程实践中的实用性研究不断深入,人们对算法的估计精度、分辨率、计算复杂度等要求越来越高。本文在现有子空间类估计算法研究成果的基础上,针对二维DOA估计提出了叁种改进算法,主要工作如下:(1)为了提高面阵下二维DOA估计算法的性能,本文提出了一种基于传播算子(PM)的改进算法。从面阵接收信号中按一定规则提取相互重合的四个子面阵,由子面阵接收数据间的互相关矩阵创建一个新的数据矩阵,再利用PM算法得到旋转不变关系矩阵,最后得到自动匹配的二维角度估计。本文算法的计算复杂度要小于传统面阵ESPRIT算法。仿真结果表明,在信噪比较低或快拍数较小时,由于复用了互相关矩阵中的数据,改进算法的角度估计精度要好于面阵ESPRIT算法。(2)对阵列孔径进行扩展是提高DOA估计性能的一个重要手段。本文在双平行线阵模型下提出了一种高效的二维测向改进算法。主要利用阵列流形矩阵的共轭对称特性来扩展阵列的有效孔径,并结合PM算法来实现自动配对的二维参数估计。仿真结果表明,与现有的一些测向算法相比,本文算法的角度估计精度显着提高,且复杂度较低。(3)在相干信源DOA估计问题上,本文基于L型阵列提出了一种改进的相干信源二维DOA估计算法。改进算法提取互相关矩阵的第一列,利用相关规则构建一个列秩与信源相关性无关的新矩阵,然后对其正交化,构造求根多项式来降低计算复杂度。仿真结果表明,与现有的一些解相干算法相比,本文算法扩展了阵列有效孔径,提高了角度估计精度。(本文来源于《南京邮电大学》期刊2017-10-26）
张恩斌[10]（2017）在《基于子空间分析的人脸特征提取的方法研究》一文中研究指出在当今社会飞速发展的时代,利用计算机对人脸进行分析的人脸识别技术越来越受到广泛关注。人脸识别作为当今研究重点,提取稳定可靠的个体特征是人脸识别的关键。其中基于子空间分析的特征提取方法,因其算法简单、识别高效等特点得到广泛关注。本文研究内容主要包括以下几点:(1)通过阅读相关的学术文献,针对国内外现状,深入剖析子空间分析中的主成分分析方法、以及线性鉴别分析方法的原理,并简单阐述了核方法和局部保持投影方法。其次,对于在一维方法中可能出现的问题,例如计算复杂、小样本问题等,本文深入探讨了基于二维的分析方法,以及介绍了基于2DPCA的改进算法,如左向压缩2DPCA、右向压缩2DPCA和双向压缩RL2DPCA。(2)首先对核方法进行了概述,继而阐述了核主成分分析特点以及人脸识别中常用一些核函数。对于人脸的高维特征中所具有的的非线性信息,我们可以发现利用核主成分分析方法首先对图像进行降维处理,之后获得投影矩阵后在子空间内采用MDP方法,这样使得最后的投影矩阵既包含了非线性信息,又包含了样本之间的近邻关系。最后在人脸库上实验验证本文方法的有效性。(3)研究了一种结合二维主成分分析(2DPCA)和二维局部保持投影(2DL PP)的双向压缩的人脸识别方法。由于我们针对一维的方法进行探讨后由于一维方法可能存在小样本问题,我们决定采用二维的主成分分析方法,我采用双向的压缩方法,对人脸图像采用2DLPP对列方向进行压缩后,在采用2DPCA方法对行方向进行压缩。最后实验数据采用ORL人脸数据库,用以验证本文算法在识别率上的优势及有效性。(本文来源于《黑龙江大学》期刊2017-05-20）
子空间分析论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
数控铣床作为使用最为广泛的设备之一,其智能化程度直接影响到智能制造的实施。刀具作为铣床实施铣削操作的最终端部件,是铣削加工成功的关键因素,也是最易损伤和浪费最严重的部件,对其进行及时有效的状态识别与监测非常重要。本文研究铣床加工过程中刀具的状态监测技术,为铣削刀具状态评估以及维护决策提供有效的信息参考。本文首先从传感技术、特征提取和监测模型等方面综述了铣削刀具状态监测关键技术的研究现状,总结了动态信号的经典处理方法,分析了稳态子空间分析方法的理论原理和算法过程,为课题的开展奠定扎实的理论基础。针对铣削刀具状态监测样本量少、信号时变性强等特征,提出了基于稳态子空间分析的多传感铣削刀具状态监测方法。首先,通过稳态子空间分析方法把多维传感信号分解为稳态子空间和非稳态子空间,进而提取非稳态子空间的10个无量纲时频统计参数用以训练最小二乘支持向量机回归模型,获得刀具磨损量估计模型。通过对刀具状态监测公开基准数据和多传感刀具状态监测实验的构建和比较分析,验证了所提方法的可行性和有效性。针对单传感条件下铣削刀具状态监测问题,结合相空间重构技术、提出了基于相空间重构和稳态子空间分析的单传感铣削刀具状态监测方法。首先,利用相空间重构技术将一维传感信号扩展为多维信号,进而采用稳态子空间分析将扩维后的多维信号分解为稳态子空间和非稳态子空间,提取非稳态子空间信号中的10个无量纲时频统计参数作为最小二乘支持向量机多分类模型的输入参数。最后,搭建了数控铣床四刀面端铣刀的实验平台,开展了刀具磨损状态监测实验,实验结果的分析表明,本文所提方法比其他几种方法更有效。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
子空间分析论文参考文献
[1].郭晶晶,刘欢欢.基于改进堆迭独立子空间分析模型的行为识别[J].软件导刊.2019
[2].高晨.基于稳态子空间分析的铣削刀具状态监测方法研究[D].温州大学.2019
[3].杨继攀.基于稀疏子空间分析的高光谱图像聚类算法关键技术研究[D].安徽大学.2019
[4].苏春晨.基于独立子空间分析网络的聚类算法研究[D].华南理工大学.2018
[5].张静然.局部Fisher准则以及子空间分析的人脸识别算法研究[D].江西理工大学.2018
[6].林原灵,陈前.一种平稳子空间分析的快速不动点算法[J].计算机与现代化.2018
[7].刘全乐.基于子空间分析和维度投影的交互式多变量体绘制研究[D].东北师范大学.2018
[8].王占.基于稀疏子空间分析的人脸表情识别算法研究[D].北京交通大学.2017
[9].田正东.基于子空间分析的DOA估计算法研究[D].南京邮电大学.2017
[10].张恩斌.基于子空间分析的人脸特征提取的方法研究[D].黑龙江大学.2017
论文知识图
