线性判别分析改进算法的分析与研究

摘要	第1-5页
Abstract	第5-9页
1 绪论	第9-12页
·研究背景和意义	第9页
·基本概念及定义	第9-11页
·论文组织结构	第11-12页
2 特征提取方法介绍	第12-19页
·经典的线性方法	第12-14页
·主成份分析（PCA）	第12-13页
·线性判别分析（LDA）	第13-14页
·流形学习方法	第14-17页
·等距映射法（Isomap）	第14-15页
·局部线性嵌入法（LLE）	第15-17页
·线性流形学习方法	第17-19页
·保局投影法（LPP）	第17-18页
·最大边界准则法（MMC）	第18-19页
3 线性判别分析改进算法	第19-26页
·基于S w零空间的降维算法	第19-20页
·零空间 LDA（NLDA）	第19-20页
·基于S t列空间的降维算法	第20-23页
·不相关 LDA（ULDA）	第20-21页
·正交 LDA（OLDA）	第21-22页
·直接 LDA（DLDA）	第22-23页
·降维算法之间的关系	第23-26页
·NLDA 和 OLDA 的关系	第23-24页
·ULDA 和 OLDA 的关系	第24页
·DLDA-ST 与 OLDA、NLDA 的关系	第24-26页
4 基于优化的最大边际近邻线性判别分析	第26-31页
·该算法介绍（LMNLDA）	第26-27页
·基于优化的 LMNLDA	第27-28页
·人脸识别实验	第28-30页
·Yale 人脸数据库	第29页
·ORL 人脸数据库	第29-30页
·PIE 人脸数据库	第30页
·总结与展望	第30-31页
5 总结	第31-32页
参考文献	第32-34页
攻读硕士学位期间撰写和发表的学术论文情况	第34-35页
致谢	第35页