| 提要 | 第4-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 人脸识别发展历史及现状 | 第13-15页 |
| 1.2.1 发展历史 | 第13-14页 |
| 1.2.2 国内外发展现状 | 第14-15页 |
| 1.3 本文主要研究内容 | 第15-17页 |
| 1.4 本文结构安排 | 第17-18页 |
| 第2章 人脸识别中降维方法概述 | 第18-29页 |
| 2.1 线性降维方法 | 第18-24页 |
| 2.1.1 主成分分析方法（PCA） | 第18-21页 |
| 2.1.2 LDA（Linear Discriminant Analysis） | 第21-24页 |
| 2.2 非线性降维方法 | 第24-28页 |
| 2.2.1 LLE | 第24-26页 |
| 2.2.2 Laplacian Eigenmap | 第26-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第3章 图嵌入算法 | 第29-38页 |
| 3.1 图嵌入算法的思想 | 第29-31页 |
| 3.1.1 图及其邻接矩阵 | 第29-30页 |
| 3.1.2 图嵌入算法流程 | 第30-31页 |
| 3.2 图嵌入算法的三种扩展形式 | 第31-34页 |
| 3.2.1 线性化 | 第32页 |
| 3.2.2 核化 | 第32-33页 |
| 3.2.3 张量化 | 第33-34页 |
| 3.3 图嵌入算法的应用——边界 FISHER 分析方法 | 第34-37页 |
| 3.3.1 边界 Fisher 分析方法 | 第34-36页 |
| 3.3.2 边界 Fisher 分析方法的算法描述 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 改进的近邻图构造方法在图嵌入中的应用 | 第38-54页 |
| 4.1 改进的近邻图构造算法 | 第38-43页 |
| 4.1.1 用稀疏的方法来表示人脸图像 | 第38-40页 |
| 4.1.2 重构近邻图 | 第40-42页 |
| 4.1.3 改进的近邻图构造算法描述 | 第42-43页 |
| 4.2 实验用到的人脸数据库 | 第43-45页 |
| 4.2.1 ORL 人脸库 | 第44页 |
| 4.2.2 Yale 人脸库 | 第44-45页 |
| 4.2.3 AR 人脸库 | 第45页 |
| 4.3 参数 R 的选取 | 第45-48页 |
| 4.4 应用到两个经典的图降维算法中的实验结果 | 第48-53页 |
| 4.4.1 在基于局部保持投影的人脸识别算法上的实验结果 | 第49-50页 |
| 4.4.2 在基于近邻保持嵌入的人脸识别算法上的实验结果 | 第50-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第5章 总结与展望 | 第54-56页 |
| 5.1 总结 | 第54-55页 |
| 5.2 展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 作者简介及在学期间所取得的科研成果 | 第59-60页 |
| 致谢 | 第60页 |
