| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-22页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-19页 |
| 1.2.1 人脸图像分析方法国内外研究现状 | 第12-16页 |
| 1.2.2 流形学习研究现状 | 第16-19页 |
| 1.3 主要研究内容 | 第19-20页 |
| 1.4 章节安排 | 第20-22页 |
| 第二章 基于流形保持的人脸图像聚类方法的研究 | 第22-40页 |
| 2.1 流形保持方法与聚类分析 | 第22-31页 |
| 2.1.1 谱聚类方法 | 第22-23页 |
| 2.1.2 基于K近邻图的流形保持方法 | 第23-25页 |
| 2.1.3 基于图正则化的矩阵分解方法 | 第25-28页 |
| 2.1.4 基于l_1图的图像分析方法和基于弹性网络的超图学习方法 | 第28-30页 |
| 2.1.5 低秩表示方法 | 第30-31页 |
| 2.2 实验与讨论 | 第31-39页 |
| 2.2.1 实验环境 | 第31-32页 |
| 2.2.2 实验评价标准 | 第32页 |
| 2.2.3 实验设置 | 第32-33页 |
| 2.2.4 ORL数据集实验结果 | 第33-37页 |
| 2.2.5 Extended Yale B数据集实验结果 | 第37-39页 |
| 2.3 本章小结 | 第39-40页 |
| 第三章 基于流形保持的协同表示人脸识别方法 | 第40-58页 |
| 3.1 鲁棒性协同表示分类方法 | 第40-42页 |
| 3.2 保持流形结构的线性编码分类介绍 | 第42-43页 |
| 3.3 保持局部性的组稀疏分类介绍 | 第43页 |
| 3.4 LP-CRC方法的优化模型 | 第43-44页 |
| 3.5 LP-CRC方法优化问题的求解 | 第44-47页 |
| 3.5.1 增广拉格朗日乘子法 | 第44-45页 |
| 3.5.2 目标函数优化过程 | 第45-47页 |
| 3.6 LP-CRC方法的分类规则 | 第47-48页 |
| 3.7 实验过程与讨论 | 第48-57页 |
| 3.7.1 数据集处理与实验准备 | 第48页 |
| 3.7.2 实验参照方法 | 第48-49页 |
| 3.7.3 LP-CRC方法参数设置调整 | 第49-52页 |
| 3.7.4 PIE数据集的实验结果 | 第52-53页 |
| 3.7.5 AR数据集的实验结果 | 第53-55页 |
| 3.7.6 LFW数据集的实验结果 | 第55-57页 |
| 3.8 本章小结 | 第57-58页 |
| 第四章 总结与展望 | 第58-60页 |
| 4.1 总结 | 第58-59页 |
| 4.2 展望 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 研究生期间的科研活动和研究成果 | 第65-66页 |
| 致谢 | 第66-67页 |