| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| Contents | 第10-12页 |
| 第一章 绪论 | 第12-19页 |
| ·研究背景和研究目的 | 第12-13页 |
| ·研究现状 | 第13-15页 |
| ·流形基本概念和思想 | 第15-17页 |
| ·本文的实验平台 | 第17页 |
| ·论文组织结构及本章小结 | 第17-19页 |
| 第二章 线性降维算法 | 第19-24页 |
| ·主成分分析(Principal Component Analysis) | 第19-20页 |
| ·主成分分析(PCA)的数学描述 | 第19-20页 |
| ·线性鉴别分析(Linear Discriminant Analysis) | 第20-22页 |
| ·线性鉴别分析(LDA)的数学描述 | 第20-22页 |
| ·PCA和LDA的比较 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 流形学习 | 第24-47页 |
| ·流形学习算法 | 第25-47页 |
| ·多维尺度变换(Multidimensional Scaling) | 第25-28页 |
| ·等距特征映射(isometric feature mapping) | 第28-32页 |
| ·局部线性嵌入(Locally Linear Embedding) | 第32-37页 |
| ·拉普拉斯特征映射(laplacian eignmap) | 第37-40页 |
| ·黑赛局部线性嵌入算法(Hessian LLE) | 第40-42页 |
| ·局部切空间排列(Local tangent space alignment) | 第42-45页 |
| ·本章总结 | 第45-47页 |
| 第四章 基于密度聚类的Nystrom算法 | 第47-60页 |
| ·Nystrom算法 | 第48-51页 |
| ·流形学习算法的矩阵描述 | 第48-49页 |
| ·近似的Nystrom分解 | 第49-51页 |
| ·核矩阵的内核重建原理 | 第51页 |
| ·基于密度的Nystrom抽样方法 | 第51-53页 |
| ·实验结果 | 第53-58页 |
| ·本章总结 | 第58-60页 |
| 论文总结 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间发表论文 | 第67-69页 |
| 致谢 | 第69页 |
