张量和小波特征的洛伦兹度量学习及其应用
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-17页 |
| ·研究背景和意义 | 第8-9页 |
| ·问题描述 | 第9页 |
| ·研究现状 | 第9-11页 |
| ·几种特征提取算法简介 | 第11-15页 |
| ·主成分分析 | 第12-13页 |
| ·局部保持投影 | 第13-14页 |
| ·洛伦兹投影判别法 | 第14-15页 |
| ·本文的主要研究工作 | 第15-17页 |
| 2 相关数学基础 | 第17-27页 |
| ·张量分析 | 第17-23页 |
| ·张量的基本概念与运算法则 | 第17-19页 |
| ·多因子分析 | 第19-21页 |
| ·高阶张量与矩阵 | 第21-23页 |
| ·小波分析 | 第23-27页 |
| ·小波简介 | 第23-24页 |
| ·小波变换与多分辨分析 | 第24-25页 |
| ·图像的小波分解 | 第25-27页 |
| 3 张量空间的数据降维技术研究 | 第27-40页 |
| ·已有张量算法介绍 | 第27-31页 |
| ·张量脸 | 第27-29页 |
| ·多重主成分分析 | 第29-30页 |
| ·张量子空间分析 | 第30-31页 |
| ·张量空间的洛伦兹度量学习 | 第31-35页 |
| ·应用分析 | 第35-40页 |
| ·ORL库实验 | 第36页 |
| ·CMU PIE库实验 | 第36-37页 |
| ·USC SIPI库实验 | 第37-38页 |
| ·讨论 | 第38-40页 |
| 4 小波特征空间的数据降维技术研究 | 第40-48页 |
| ·已有结合小波特征的算法介绍 | 第40-41页 |
| ·小波域洛伦兹度量学习 | 第41-43页 |
| ·应用分析 | 第43-48页 |
| ·FRGC V2.0库实验 | 第43-44页 |
| ·CMU PIE库实验 | 第44-45页 |
| ·ORL库实验 | 第45-46页 |
| ·讨论 | 第46-48页 |
| 结论 | 第48-49页 |
| 参考文献 | 第49-54页 |
| 附录A 张量洛伦兹投影判别法的公式推导 | 第54-57页 |
| 攻读硕士学位期间发表学术论文情况 | 第57-58页 |
| 致谢 | 第58-60页 |
