| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 引言 | 第8-19页 |
| 1.1 课题背景及研究目的和意义 | 第8-9页 |
| 1.2 国内外研究现状及应用 | 第9-16页 |
| 1.2.1 步态识别现状的发展研究 | 第9-11页 |
| 1.2.2 步态识别相关技术研究 | 第11-15页 |
| 1.2.3 存在问题及发展趋势 | 第15-16页 |
| 1.3 论文主要工作 | 第16-17页 |
| 1.4 论文组织结构 | 第17-19页 |
| 第2章 步态识别相关技术 | 第19-32页 |
| 2.1 基于流形学习的降维算法 | 第19-23页 |
| 2.1.1 流行学习 | 第19-22页 |
| 2.1.2 流行学习与图嵌入联系 | 第22-23页 |
| 2.2 图嵌入方法 | 第23-25页 |
| 2.3 多线性判别分析方法 | 第25-28页 |
| 2.4 步态能量图 | 第28-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 基于高阶张量的图嵌入方法与多线性判别分析研究 | 第32-38页 |
| 3.1 问题描述和研究思路 | 第32-33页 |
| 3.1.1 问题描述 | 第32-33页 |
| 3.1.2 研究思路 | 第33页 |
| 3.2 基于高阶张量的图嵌入方法 | 第33-35页 |
| 3.3 改进的多线性判别分析方法 | 第35-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 基于高阶张量的子空间学习算法 | 第38-55页 |
| 4.1 问题描述与研究思路 | 第38页 |
| 4.1.1 问题描述 | 第38页 |
| 4.1.2 研究思路 | 第38页 |
| 4.2 基于高阶张量的子空间学习算法 | 第38-46页 |
| 4.2.1 张量简介 | 第38-40页 |
| 4.2.2 基于图嵌入的高阶判别张量子空间分析算法 | 第40-46页 |
| 4.3 算法分析 | 第46-48页 |
| 4.3.1 本文创新说明 | 第46页 |
| 4.3.2 算法性能评估 | 第46-48页 |
| 4.4 算法实验和结果分析 | 第48-54页 |
| 4.4.1 步态数据库介绍 | 第48-50页 |
| 4.4.2 实验和结果分析 | 第50-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第5章 步态识别原型系统设计与实现 | 第55-67页 |
| 5.1 系统需求分析 | 第55页 |
| 5.2 系统整体设计 | 第55-57页 |
| 5.2.1 架构设计 | 第55-56页 |
| 5.2.2 系统功能模块设计 | 第56-57页 |
| 5.3 系统详细设计 | 第57-59页 |
| 5.3.1 界面设计 | 第57-58页 |
| 5.3.2 功能设计 | 第58-59页 |
| 5.4 系统实现和功能测试 | 第59-66页 |
| 5.4.1 界面实现 | 第59-60页 |
| 5.4.2 系统功能测试 | 第60-66页 |
| 5.5 本章小结 | 第66-67页 |
| 第6章 工作总结和展望 | 第67-69页 |
| 6.1 论文工作总结 | 第67页 |
| 6.2 工作展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-75页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第75页 |