| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·研究背景及意义 | 第8-9页 |
| ·人脸识别的研究现状 | 第9-11页 |
| ·人脸识别的发展 | 第9-10页 |
| ·人脸识别思想 | 第10-11页 |
| ·脑功能数据挖掘的研究现状 | 第11-13页 |
| ·本文主要内容 | 第13-14页 |
| ·本文的结构安排 | 第14-16页 |
| 第二章 流形子空间学习算法 | 第16-28页 |
| ·流形学习算法简介 | 第16-25页 |
| ·主成分分析（PCA） | 第16-17页 |
| ·二维主成分分析（2DPCA） | 第17-19页 |
| ·局部保持投影算法（LPP） | 第19-20页 |
| ·二维局部保持投影算法（2DLPP） | 第20-22页 |
| ·线性判别分析（LDA） | 第22-25页 |
| ·二维线性判别分析（2DLDA） | 第25页 |
| ·流形学习的应用 | 第25-26页 |
| ·本章小结 | 第26-28页 |
| 第三章 张量和张量子空间学习方法 | 第28-38页 |
| ·张量的概念及运算 | 第28-32页 |
| ·张量概念 | 第28-29页 |
| ·秩为 1 的张量 | 第29页 |
| ·张量的 n-模展开 | 第29-30页 |
| ·张量乘法 | 第30-31页 |
| ·张量的奇异值分解 | 第31-32页 |
| ·图像的张量表示 | 第32-33页 |
| ·张量学习算法 | 第33-36页 |
| ·张量主成分分析（TPCA） | 第34-35页 |
| ·张量线性判别分析（TLDA） | 第35-36页 |
| ·本章小结 | 第36-38页 |
| 第四章 张量局部保持投影及其在人脸识别方面的应用 | 第38-54页 |
| ·张量局部保持投影算法 | 第38-44页 |
| ·无监督张量局部保持投影（USTLPP） | 第38-41页 |
| ·监督张量局部保持投影（STLPP） | 第41-42页 |
| ·改进的张量局部保持投影（ITLPP） | 第42-44页 |
| ·KNN 分类模型 | 第44-46页 |
| ·二维人脸数据实验及其结果分析 | 第46-50页 |
| ·实验数据 | 第46-47页 |
| ·实验结果与分析 | 第47-50页 |
| ·三维人脸实验及其结果分析 | 第50-53页 |
| ·基于 Gabor 小波的特征提取及 3D 人脸的生成 | 第50-52页 |
| ·实验结果与分析 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 脑认知状态 fMRI 数据分类实验 | 第54-60页 |
| ·脑认知状态 fMRI 数据分析及分类方法 | 第54页 |
| ·脑认知 fMRI 实验设计及数据采集 | 第54-55页 |
| ·实验设计 | 第54-55页 |
| ·参数设置 | 第55页 |
| ·数据预处理 | 第55-56页 |
| ·ITLPP 算法的脑认知状态分类思想 | 第56-57页 |
| ·实验结果及分析 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-64页 |
| ·总结 | 第60-61页 |
| ·工作展望 | 第61-64页 |
| 致谢 | 第64-66页 |
| 参考文献 | 第66-72页 |
| 攻读硕士学位期间的研究成果 | 第72-73页 |