| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-16页 |
| 1.1 图像分类的研究目的及意义 | 第10-12页 |
| 1.2 图像分类的研究现状 | 第12页 |
| 1.3 实对称矩阵判别学习的研究现状 | 第12-14页 |
| 1.4 本文的主要工作 | 第14-16页 |
| 2 实对称矩阵的几何结构及在欧氏空间中的判别学习 | 第16-28页 |
| 2.1 实对称矩阵的几何结构 | 第16-19页 |
| 2.1.1 对数欧氏距离 | 第16-18页 |
| 2.1.2 仿射不变黎曼测度 | 第18页 |
| 2.1.3 Stein散度 | 第18-19页 |
| 2.2 欧氏空间的判别学习 | 第19-28页 |
| 2.2.1 线性判别分析 | 第20-22页 |
| 2.2.2 典型关联分析 | 第22-24页 |
| 2.2.3 大间隔近邻学习 | 第24-28页 |
| 3 高斯流形上的判别学习及在图像分类中的应用 | 第28-43页 |
| 3.1 引言 | 第28-29页 |
| 3.2 高斯流形上的判别学习 | 第29-34页 |
| 3.2.1 基于高斯模型的图像表达 | 第29-30页 |
| 3.2.2 高斯流形的嵌入 | 第30-31页 |
| 3.2.3 基于对数欧氏距离的高斯流形上的判别学习 | 第31-34页 |
| 3.3 实验及分析 | 第34-42页 |
| 3.3.1 纹理分类 | 第34-38页 |
| 3.3.2 图像集分类 | 第38-40页 |
| 3.3.3 人脸识别 | 第40-42页 |
| 3.4 结论 | 第42-43页 |
| 4 核矩阵表达的判别学习及在图像分类中的应用 | 第43-51页 |
| 4.1 引言 | 第43-44页 |
| 4.2 基于核矩阵表达的判别学习 | 第44-48页 |
| 4.2.1 基于核矩阵表达的特征表示 | 第44-47页 |
| 4.2.2 基于核矩阵表达的判别学习 | 第47-48页 |
| 4.3 实验及分析 | 第48-50页 |
| 4.3.1 纹理分类 | 第48-49页 |
| 4.3.2 图像集分类 | 第49-50页 |
| 4.4 结论 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-58页 |
| 致谢 | 第58-59页 |