论文目录 | |
| 摘要 | 第1-9页 |
| ABSTRACT | 第9-13页 |
| 目录 | 第13-15页 |
| 第一章 绪论 | 第15-41页 |
| 1.1 引言 | 第15-17页 |
| 1.2 压缩感知国内外研究现状及发展动态分析 | 第17-23页 |
| 1.2.1 国际国内压缩感知理论研究概况及发展趋势 | 第18-21页 |
| 1.2.2 国际国内压缩感知应用研究概况及发展趋势 | 第21-23页 |
| 1.3 低秩矩阵填补国内外研究现状及发展动态分析 | 第23-28页 |
| 1.3.1 国际国内低秩矩阵填补理论研究概况及发展趋势 | 第23-25页 |
| 1.3.2 国际国内低秩矩阵填补应用研究概况及发展趋势 | 第25-28页 |
| 1.4 论文的主要研究工作及创新点 | 第28-31页 |
| 1.5 论文的结构安排 | 第31-32页 |
| 参考文献 | 第32-41页 |
| 第二章 最大残肢向量的性质及其在稀疏信号恢复中的应用 | 第41-59页 |
| 2.1 基于集中度条件的稀疏恢复判决准则 | 第41-45页 |
| 2.2 核空间ker(Φ)中S最大残肢向量的性质及其证明 | 第45-49页 |
| 2.3 核空间ker(Φ)中S最大残肢向量集中度的应用 | 第49-51页 |
| 2.4 矩阵填补中广义r最大残肢向量集中度的应用 | 第51-56页 |
| 2.5 小结 | 第56页 |
| 参考文献 | 第56-59页 |
| 第三章 高维信号簇的网络信息感知技术 | 第59-87页 |
| 3.1 高维网络状态信号簇感知 | 第59-73页 |
| 3.1.1 状态信号簇网络感知模型 | 第60-64页 |
| 3.1.2 网络状态信号簇的恢复条件 | 第64-73页 |
| 3.2 光域中关联高维信号簇感知及全光测量结构 | 第73-82页 |
| 3.2.1 光域关联高维信号簇感知模型 | 第75-78页 |
| 3.2.2 关联高维信号簇全光测量结构 | 第78-82页 |
| 3.3 小结 | 第82页 |
| 参考文献 | 第82-87页 |
| 第四章 基于字典学习的动态符号网络关系状态推测 | 第87-109页 |
| 4.1 动态符号网络关系结构及其测量特性 | 第87-89页 |
| 4.2 动态符号网络结构建模以及结构平衡 | 第89-93页 |
| 4.2.1 动态符号网络结构数据模型 | 第89-91页 |
| 4.2.2 弱结构平衡网络 | 第91-93页 |
| 4.3 基于字典学习的符号推测方法 | 第93-103页 |
| 4.3.1 大尺度字典选取 | 第94-98页 |
| 4.3.2 字典优化方法 | 第98-101页 |
| 4.3.3 符号推测及字典自更新机制 | 第101-103页 |
| 4.4 基于字典学习的符号推测方法的数值实验 | 第103-105页 |
| 4.5 小结 | 第105页 |
| 参考文献 | 第105-109页 |
| 第五章 研究工作总结与展望 | 第109-113页 |
| 5.1 本论文研究工作总结 | 第109-111页 |
| 5.2 未来研究工作展望 | 第111页 |
| 参考文献 | 第111-113页 |
| 致谢 | 第113-115页 |
| 攻读博士学位期间论文发表目录 | 第115页 |
| 发表论文 | 第115页 |
| 博士攻读期间参与的科研项目 | 第115页 |
