| 1 绪论 | 第1-34页 |
| ·概述 | 第12-13页 |
| ·线性投影分析概述 | 第13-15页 |
| ·核投影分析研究与发展 | 第15-23页 |
| ·核技术的产生 | 第15-19页 |
| ·有关核函数的问题 | 第19-20页 |
| ·核技术的应用—核投影分析 | 第20-23页 |
| ·核投影分析的应用领域：人脸识别与字符识别 | 第23-30页 |
| ·人脸识别介绍 | 第23-24页 |
| ·人脸识别的研究与发展 | 第24-29页 |
| ·手写体字符识别介绍及研究进展 | 第29-30页 |
| ·本文研究工作概述 | 第30-31页 |
| ·本文内容安排 | 第31-34页 |
| 2 核Foley-Sammon鉴别分析技术 | 第34-50页 |
| ·引言 | 第34-35页 |
| ·线性鉴别分析 | 第35-39页 |
| ·基本概念 | 第35-36页 |
| ·经典的Fisher线性鉴别分析与F-S线性鉴别分析 | 第36-37页 |
| ·具有统计不相关性的线性鉴别分析 | 第37-39页 |
| ·核F-S鉴别分析 | 第39-45页 |
| ·核F-S鉴别分析模型 | 第39-43页 |
| ·关于核F-S鉴别分析模型的求解定理 | 第43-45页 |
| ·特征抽取 | 第45页 |
| ·实验结果 | 第45-47页 |
| ·本章小结 | 第47-50页 |
| 3 广义最佳核鉴别矢量集 | 第50-64页 |
| ·引言 | 第50-51页 |
| ·广义最佳鉴别矢量集 | 第51-55页 |
| ·广义Fisher鉴别准则 | 第51-52页 |
| ·广义最佳鉴别矢量集的改进算法 | 第52-53页 |
| ·广义最佳鉴别矢量集的迭代算法 | 第53-55页 |
| ·广义最佳核鉴别矢量集 | 第55-61页 |
| ·广义最佳核鉴别矢量集的求解模型 | 第55-58页 |
| ·广义最佳核鉴别矢量集的求解方法 | 第58-61页 |
| ·特征抽取 | 第61页 |
| ·实验结果 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 4 一种最优的核Fisher鉴别分析与人脸识别 | 第64-80页 |
| ·引言 | 第64-65页 |
| ·高维小样本情况下线性鉴别分析的一般方法 | 第65-69页 |
| ·Fisherfaces方法与EFM法 | 第65-66页 |
| ·零空间法 | 第66-67页 |
| ·扰动法 | 第67-69页 |
| ·组合最优的线性鉴别法 | 第69页 |
| ·最优的核Fisher鉴别分析 | 第69-76页 |
| ·核Fisher鉴别函数 | 第70-72页 |
| ·核Fisher鉴别分析 | 第72页 |
| ·最优的核Fisher鉴别分析 | 第72-76页 |
| ·实验结果 | 第76-79页 |
| ·本章小结 | 第79-80页 |
| 5 一种新的人脸自动识别方法 | 第80-96页 |
| ·引言 | 第80-81页 |
| ·核主分量分析 | 第81-84页 |
| ·主分量分析 | 第81-82页 |
| ·核主分量分析 | 第82-84页 |
| ·独立分量分析 | 第84-92页 |
| ·独立分量分析算法定义 | 第84-85页 |
| ·独立性定义 | 第85页 |
| ·独立分量分析的目标函数 | 第85-89页 |
| ·快速的独立分量分析算法 | 第89-92页 |
| ·新的人脸自动识别方法 | 第92-93页 |
| ·实验结果 | 第93-95页 |
| ·本章小结 | 第95-96页 |
| 结束语 | 第96-98页 |
| 致谢 | 第98-100页 |
| 参考文献 | 第100-114页 |
| 附录 在攻读博士期间完成的论文 | 第114页 |