| 摘要 | 第1-10页 |
| Abstract | 第10-12页 |
| 第一章 绪论 | 第12-18页 |
| ·人脸识别的研究意义 | 第12-13页 |
| ·人脸识别方法概述 | 第13-14页 |
| ·人脸识别的应用 | 第14-15页 |
| ·本文的主要工作 | 第15-16页 |
| ·本文的组织结构 | 第16-18页 |
| 第二章 基于子空间的数据降维算法概述 | 第18-24页 |
| ·引言 | 第18页 |
| ·主成分分析(Principal component analysis,PCA) | 第18-19页 |
| ·线性鉴别分析(Linear Discriminant Analysis,LDA) | 第19-20页 |
| ·局部保持投影(Locality Preserving Projections,LPP) | 第20-21页 |
| ·局部线性嵌入(Locally Linear Embedding,LLE) | 第21-22页 |
| ·局部切空间排列(Local Tangent Space Alignment,LTSA) | 第22页 |
| ·等距映射(ISOMAP) | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 局部结构保持的鉴别分析方法 | 第24-33页 |
| ·引言 | 第24-25页 |
| ·UDLPP算法介绍 | 第25-26页 |
| ·局部结构保持的鉴别分析方法PCLSP | 第26-28页 |
| ·算法介绍 | 第26-27页 |
| ·算法步骤 | 第27-28页 |
| ·实验结果与分析 | 第28-32页 |
| ·实验1与分析 | 第28-30页 |
| ·实验2与分析 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 基于成对约束和稀疏保留的数据降维算法 | 第33-40页 |
| ·引言 | 第33页 |
| ·相关算法 | 第33-34页 |
| ·基于成对约束和稀疏保留的数据降维算法 | 第34-36页 |
| ·图像的稀疏表示 | 第34页 |
| ·算法过程 | 第34-35页 |
| ·算法步骤 | 第35-36页 |
| ·实验结果与分析 | 第36-39页 |
| ·Feret库上不同训练样本个数的实验比较 | 第36-37页 |
| ·Feret库上不同成对约束对的实验比较 | 第37-38页 |
| ·AR库的实验与比较 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第五章 流形结构保持的传播半监督降维算法 | 第40-48页 |
| ·引言 | 第40页 |
| ·标签传播算法 | 第40-41页 |
| ·算法介绍 | 第40-41页 |
| ·算法实现过程 | 第41页 |
| ·流形结构保持的传播半监督降维算法(SDRMPP) | 第41-44页 |
| ·标签概率矩阵 | 第42-43页 |
| ·基于标签概率的离散度矩阵 | 第43页 |
| ·半监督鉴别分析 | 第43-44页 |
| ·算法步骤 | 第44页 |
| ·实验结果与分析 | 第44-46页 |
| ·实验1与分析 | 第44-46页 |
| ·实验2与分析 | 第46页 |
| ·本章小结 | 第46-48页 |
| 第六章 边界线性鉴别局部切空间排列的人脸识别 | 第48-55页 |
| ·引言 | 第48页 |
| ·线性局部切空间排列(LLTSA) | 第48-49页 |
| ·边界线性鉴别局部切空间排列(MDLLTSA) | 第49-51页 |
| ·算法介绍 | 第49-50页 |
| ·算法步骤 | 第50-51页 |
| ·实验结果与分析 | 第51-53页 |
| ·实验1与分析 | 第51-52页 |
| ·实验2与分析 | 第52-53页 |
| ·本章小结 | 第53-55页 |
| 第七章 总结和展望 | 第55-57页 |
| ·总结 | 第55-56页 |
| ·进一步的研究工作 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 致谢 | 第62-63页 |
| 附录 | 第63-64页 |
