| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 模式识别的研究背景及意义 | 第8页 |
| 1.2 本课题的研究背景和国内外现状 | 第8-10页 |
| 1.2.1 研究背景 | 第8-9页 |
| 1.2.2 国内外研究现状 | 第9-10页 |
| 1.3 本文的研究内容及结构安排 | 第10-12页 |
| 1.3.1 研究内容 | 第10-11页 |
| 1.3.2 结构安排 | 第11-12页 |
| 1.4 本章小结 | 第12-13页 |
| 第二章 典型相关分析相关理论 | 第13-20页 |
| 2.1 典型相关分析的基本思想 | 第13页 |
| 2.2 联合特征抽取的原理与算法 | 第13-16页 |
| 2.3 算法步骤 | 第16页 |
| 2.4 实验平台及主要数据库简介 | 第16-19页 |
| 2.4.1 实验平台 | 第16-17页 |
| 2.4.2 实验主要数据库 | 第17-19页 |
| 2.5 本章小结 | 第19-20页 |
| 第三章 基于多重集核典型相关分析的特征融合方法 | 第20-32页 |
| 3.1 核技术 | 第20-22页 |
| 3.1.1 核技术简介 | 第20-21页 |
| 3.1.2 常见的几种核函数 | 第21-22页 |
| 3.2 多重集核典型相关分析 | 第22-25页 |
| 3.2.1 模型构建及最优化求解 | 第22-23页 |
| 3.2.2 算法步骤 | 第23-25页 |
| 3.3 实验结果及分析 | 第25-30页 |
| 3.3.1 ORL人脸数据库上的实验结果及分析 | 第25-27页 |
| 3.3.2 Yale人脸数据库上的实验结果及分析 | 第27-28页 |
| 3.3.3 PIE人脸数据库上的实验结果及分析 | 第28-29页 |
| 3.3.4 UCI手写体数字库上的实验结果及分析 | 第29-30页 |
| 3.4 本章小结 | 第30-32页 |
| 第四章 基于稀疏保持典型相关分析的图像识别 | 第32-42页 |
| 4.1 稀疏保持典型相关分析 | 第32-35页 |
| 4.1.1 稀疏保持投影简介 | 第32-33页 |
| 4.1.2 稀疏保持典型相关分析 | 第33-35页 |
| 4.2 实验结果及分析 | 第35-41页 |
| 4.2.1 MFEAT和UCI手写体数字库上的实验结果及分析 | 第35-38页 |
| 4.2.2 ORL和PIE人脸数据库上的实验结果及分析 | 第38-41页 |
| 4.3 本章小结 | 第41-42页 |
| 第五章 基于核稀疏保持典型相关分析的图像识别 | 第42-56页 |
| 5.1 核稀疏保持典型相关分析 | 第42-44页 |
| 5.1.1 模型构建及最优化求解 | 第42-44页 |
| 5.1.2 算法步骤 | 第44页 |
| 5.2 实验结果及分析 | 第44-55页 |
| 5.2.1 JAFFE和Yale人脸数据库上的实验结果及分析 | 第44-49页 |
| 5.2.2 PICS和ORL人脸数据库上的实验结果及分析 | 第49-52页 |
| 5.2.3 UCI手写体数字库上的实验结果及分析 | 第52-55页 |
| 5.3 本章小结 | 第55-56页 |
| 第六章 基于多核化稀疏保持典型相关分析的图像识别 | 第56-69页 |
| 6.1 多核化稀疏保持典型相关分析 | 第56-59页 |
| 6.1.1 模型构建及最优化求解 | 第56-58页 |
| 6.1.2 算法步骤 | 第58-59页 |
| 6.2 实验结果及分析 | 第59-68页 |
| 6.2.1 JAFFE和Yale人脸数据库上的实验结果及分析 | 第59-63页 |
| 6.2.2 PICS和ORL人脸数据库上的实验结果及分析 | 第63-66页 |
| 6.2.3 UCI手写体数字库上的实验结果及分析 | 第66-68页 |
| 6.3 本章小结 | 第68-69页 |
| 总结与展望 | 第69-71页 |
| 主要结论 | 第69页 |
| 展望 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第76页 |
