廣義主成分分析算法及應(yīng)用

章 緒論
1．1 系統(tǒng)特征提取及其意義
1．2 主成分分析外研究現(xiàn)狀
1．2．1 基于神經(jīng)網(wǎng)絡(luò)的主成分分析研究現(xiàn)狀
1．2．2 廣義主成分分析算法研究現(xiàn)狀
1．2．3 基于神經(jīng)網(wǎng)絡(luò)的奇異值分解研究現(xiàn)狀
1．2．4 主成分與廣義主成分分析的研究
1．3 本章小結(jié)
第2章 基礎(chǔ)理論
2．1 特征子空間與特征提取
2．2 主成分分析與Oja學(xué)習(xí)規(guī)則
2．2．1 主成分分析基本原理
2．2．2 Hebbian規(guī)則與Oja算法
2．3 主成分分析典型算法
2．3．1 基于Hebbian規(guī)則主成分分析
2．3．2 基于優(yōu)化方法的主成分分析
2．3．3 有側(cè)向連接主成分分析
2．3．4 非線性主成分分析
2．3．5 其他主成分分析
2．3．6 次成分分析神經(jīng)網(wǎng)絡(luò)算法
2．4 廣義主成分分析及其神經(jīng)網(wǎng)絡(luò)算法
2．4．1 廣義Hermitian特征值問(wèn)題
2．4．2 廣義特征信息提取神經(jīng)網(wǎng)絡(luò)算法
2．5 奇異值分解及神經(jīng)網(wǎng)絡(luò)算法
2．5．1 奇異值分解基礎(chǔ)
2．5．2 奇異值特征提取神經(jīng)網(wǎng)絡(luò)算法
2．6 Rayleigh商及其特性
2．6．1 Rayleigh商
2．6．2 Rayleigh商迭代
2．6．3 Rayleigh商求解的梯度和共軛梯度算法
2．6．4 廣義Rayleigh商
2．7 本章小結(jié)
第3章 廣義主成分分析
3．1 引言
3．2 廣義主成分分析算法
3．2．1 廣義對(duì)稱特征值問(wèn)題的Mathew類牛頓算法
3．2．2 廣義特征值分解的自組織算法
3．2．3 廣義特征分解的類RLS算法
3．2．4 基于RLS方法的廣義特征向量提取算法
3．2．5 廣義對(duì)稱特征值問(wèn)題的快速自適應(yīng)算法
3．2．6 基于冪方法的快速?gòu)V義特征向量跟蹤
3．2．7 基于牛頓法的廣義特征向量提取算法
3．2．8 提取次廣義特征向量的在線算法
3．3 -種新型廣義主成分分析
3．3．1 一種新型的廣義主成分分析算法
3．3．2 GOja算法的自穩(wěn)定性分析
3．3．3 GOja算法的實(shí)驗(yàn)驗(yàn)證
3．4 一種新型廣義次成分分析
3．4．1 基于擬牛頓法的廣義次成分分析算法
3．4．2 多維廣義次成分并行提取準(zhǔn)則
3．4．3 多維廣義次成分并行提取算法
3．4．4 WGIC算法的自穩(wěn)定性分析
3．4．5 WGIC算法的全局收斂性分析
3．4．6 仿真實(shí)驗(yàn)
3．5 本章小結(jié)
……
第4章 成對(duì)廣義主成分分析
第5章 耦合廣義主成分分析
第6章 確定性離散時(shí)間系統(tǒng)
第7章 雙目的廣義主成分分析
第8章 奇異主成分分析
第9章 廣義主成分分析的工程應(yīng)用
參考文獻(xiàn)