| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究的背景 | 第9-10页 |
| 1.2 研究的意义 | 第10页 |
| 1.3 研究现状 | 第10-12页 |
| 1.4 本文内容安排 | 第12-14页 |
| 第2章 相关理论及方法 | 第14-24页 |
| 2.1 流形间距离度量学习 | 第14-18页 |
| 2.1.1 经典的线性度量学习 | 第14-15页 |
| 2.1.2 基于仿射弧的流形度量学习 | 第15-16页 |
| 2.1.3 非线性流形度量学习 | 第16-18页 |
| 2.2 领域适应 | 第18-19页 |
| 2.2.1 领域适应度量MMD | 第18-19页 |
| 2.3 分类器 | 第19-20页 |
| 2.4 常用数据集 | 第20-23页 |
| 2.4.1 PIE数据集 | 第20页 |
| 2.4.2 ORL数据集 | 第20-21页 |
| 2.4.3 AR数据集 | 第21-22页 |
| 2.4.4 Yale数据集 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 基于局部邻域多流形距离度量的人脸图像识别 | 第24-35页 |
| 3.1 引言 | 第24页 |
| 3.2 算法描述 | 第24-30页 |
| 3.2.1 特征脸分析 | 第25-26页 |
| 3.2.2 基于仿射弧的多流形距离度量矩阵 | 第26-28页 |
| 3.2.3 基于局部权重矩阵的误差度量矩阵 | 第28页 |
| 3.2.4 目标函数及求解 | 第28-29页 |
| 3.2.5 算法流程及提纲 | 第29-30页 |
| 3.3 实验结果及分析 | 第30-33页 |
| 3.3.1 局部邻域中近邻点的确定 | 第31-32页 |
| 3.3.2 不同算法对比实验结果 | 第32-33页 |
| 3.4 本章小结 | 第33-35页 |
| 第4章 基于领域适应和多流形距离度量的人脸图像识别 | 第35-48页 |
| 4.1 引言 | 第35-36页 |
| 4.2 基于领域适应和流形距离度量学习人脸图像识别 | 第36-42页 |
| 4.2.1 领域适应学习中的最大均值差模型 | 第36-37页 |
| 4.2.2 基于affinehull的多流形距离度量 | 第37-38页 |
| 4.2.3 算法模型 | 第38-40页 |
| 4.2.4 算法流程及提纲 | 第40-42页 |
| 4.3 实验结果与分析 | 第42-46页 |
| 4.3.1 实验数据集 | 第42页 |
| 4.3.2 DA-MDML方法中参数的确定 | 第42-44页 |
| 4.3.3 对比实验的效果分析 | 第44-46页 |
| 4.3.4 实验小结 | 第46页 |
| 4.4 本章小结 | 第46-48页 |
| 第5章 结论与展望 | 第48-50页 |
| 5.1 本文的主要工作 | 第48-49页 |
| 5.2 进一步的工作展望 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-56页 |
| 附录1 攻读硕士学位期间发表的论文 | 第56-57页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第57页 |
