| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-17页 |
| ·引言 | 第10页 |
| ·课题来源及其意义 | 第10-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·本文主要工作和创新点 | 第15-16页 |
| ·全文组织结构 | 第16-17页 |
| 第二章 流形学习方法概述 | 第17-31页 |
| ·引言 | 第17页 |
| ·线性流形方法 | 第17-19页 |
| ·主成分分析法（PCA） | 第17-18页 |
| ·多维尺度变换（MDS） | 第18-19页 |
| ·非线性降维方法 | 第19-26页 |
| ·等距离映射（ISOMAP） | 第19-20页 |
| ·局部线性嵌入（LLE） | 第20-22页 |
| ·拉普拉斯特征映射（Laplacian Eigenmaps） | 第22-23页 |
| ·海赛局部线性嵌入算法（Hessian LLE） | 第23-25页 |
| ·局部切空间排列算法（LTSA） | 第25-26页 |
| ·流形学习方法的异同点 | 第26-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 稀疏表示介绍 | 第31-40页 |
| ·引言 | 第31页 |
| ·稀疏表示 | 第31-33页 |
| ·稀疏表示的几何解释 | 第33-34页 |
| ·稀疏表示用于人脸识别 | 第34-37页 |
| ·实验结果 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于SLLE 的流形算法建模 | 第40-54页 |
| ·引言 | 第40-41页 |
| ·稀疏局部线性嵌入SLLE | 第41-42页 |
| ·与SLLE 对应的从高维到低维的映射 | 第42-44页 |
| ·LLE 对于新样本在低维空间的映射 | 第43页 |
| ·与SLLE 对应的从高维到低维的映射 | 第43-44页 |
| ·数据库介绍 | 第44-45页 |
| ·流形分析实验 | 第45-48页 |
| ·SLLE 用于模式识别 | 第48-49页 |
| ·SLLE 和LLE 的识别实验比较 | 第49-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| ·工作总结 | 第54-55页 |
| ·研究展望 | 第55-56页 |
| 参考文献 | 第56-62页 |
| 致谢 | 第62-63页 |
| 在学期间的研究成果及发表的学术论文 | 第63-64页 |
| 附录 | 第64-71页 |