| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 特征提取的分类 | 第10-11页 |
| 1.2.1 直观的几何特征 | 第10-11页 |
| 1.2.2 代数特征 | 第11页 |
| 1.3 代数特征提取的国内外研究现状 | 第11-14页 |
| 1.4 稀疏表示 | 第14-15页 |
| 1.5 本文主要内容及结构 | 第15-17页 |
| 第二章 特征提取的理论基础 | 第17-33页 |
| 2.1 几种代数特征提取的经典方法 | 第17-22页 |
| 2.1.1 主成份分析(PCA) | 第17-19页 |
| 2.1.2 线性判别分析(LDA) | 第19-20页 |
| 2.1.3 局部保持投影(LPP) | 第20-22页 |
| 2.2 张量相关知识 | 第22-25页 |
| 2.2.1 张量的符号表示 | 第22-23页 |
| 2.2.2 张量的n模展开 | 第23-24页 |
| 2.2.3 张量乘法:n模乘积 | 第24-25页 |
| 2.3 线性回归模型 | 第25-32页 |
| 2.3.1 最小均方差回归 | 第26页 |
| 2.3.2 脊回归(ridge regression) | 第26-27页 |
| 2.3.3 Lasso回归 | 第27-31页 |
| 2.3.4 弹性网络(Elastic Net)回归 | 第31-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 多线性局部Fisher判别分析 | 第33-45页 |
| 3.1 局部Fisher判别分析(LFDA) | 第33-35页 |
| 3.1.1 LFDA算法简介 | 第33页 |
| 3.1.2 LFDA理论分析 | 第33-35页 |
| 3.2 多线性局部Fisher判别分析算法介绍 | 第35-40页 |
| 3.2.1 目标函数介绍 | 第35-36页 |
| 3.2.2 张量第n模条件下的最优化问题 | 第36-37页 |
| 3.2.3 多重线性问题 | 第37-40页 |
| 3.3 实验结果对比与分析 | 第40-44页 |
| 3.3.1 ORL人脸库 | 第40-42页 |
| 3.3.2 FERET人脸库 | 第42-43页 |
| 3.3.3 AR人脸库 | 第43-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 多线性稀疏局部Fisher判别分析 | 第45-67页 |
| 4.1 稀疏主成分分析 | 第45-54页 |
| 4.1.1 基本思想与发展背景 | 第45页 |
| 4.1.2 稀疏主成分分析的理论分析 | 第45-52页 |
| 4.1.3 SPCA求解 | 第52-54页 |
| 4.2 多线性稀疏局部Fisher判别分析算法介绍 | 第54-61页 |
| 4.2.1 目标函数介绍 | 第54-55页 |
| 4.2.2 优化问题的分析 | 第55-56页 |
| 4.2.3 优化问题的回归方法 | 第56-61页 |
| 4.3 实验结果对比与分析 | 第61-66页 |
| 4.3.1 Yale人脸库 | 第61-63页 |
| 4.3.2 FERET人脸库 | 第63-64页 |
| 4.3.3 PIE人脸库 | 第64-66页 |
| 4.4 本章小结 | 第66-67页 |
| 第五章 总结与展望 | 第67-69页 |
| 5.1 总结 | 第67-68页 |
| 5.2 展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 作者简介 | 第75页 |
