| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-15页 |
| ·人脸识别研究背景 | 第7-10页 |
| ·人脸识别系统 | 第10-11页 |
| ·单样本人脸识别问题 | 第11-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·SSPP研究现状 | 第12-13页 |
| ·SSPP中存在的问题 | 第13页 |
| ·课题研究内容 | 第13-14页 |
| ·本文的结构内容安排 | 第14-15页 |
| 2 相关的数据分析方法 | 第15-18页 |
| ·Fisher线性判别分析 | 第15页 |
| ·Fisher线性判别分析原理 | 第15页 |
| ·Fisher线性判别分析优缺点 | 第15页 |
| ·主成分分析 | 第15-16页 |
| ·主成分分析思想 | 第15-16页 |
| ·主成分分析优缺点 | 第16页 |
| ·二维主成分分析 | 第16页 |
| ·模块PCA | 第16页 |
| ·流形学习 | 第16-17页 |
| ·流形学习定义 | 第16页 |
| ·流形学习分类 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 3 通用学习框架在SSPP中的应用 | 第18-31页 |
| ·通用学习框架设计 | 第18-20页 |
| ·通用学习框架 | 第18-20页 |
| ·利用PCA降维 | 第20页 |
| ·特征提取 | 第20-22页 |
| ·二维主成分分析 | 第20-21页 |
| ·Fisher线性判别分析 | 第21-22页 |
| ·识别 | 第22-23页 |
| ·实验 | 第23-29页 |
| ·数据集 | 第24页 |
| ·特征维度对识别率的影响 | 第24-26页 |
| ·最大隶属度原则中K对识别率的影响 | 第26-28页 |
| ·识别率比较 | 第28-29页 |
| ·性能比较 | 第29页 |
| ·本章小结 | 第29-31页 |
| 4 基于通用学习框架融合Fisher准则的多流形判别分析 | 第31-46页 |
| ·方法思想 | 第31-32页 |
| ·方法设计 | 第32-37页 |
| ·通用学习框架 | 第32-33页 |
| ·多流形判别分析 | 第33-35页 |
| ·迭代求解最优投影矩阵 | 第35-36页 |
| ·识别 | 第36-37页 |
| ·实验 | 第37-45页 |
| ·数据集 | 第37-38页 |
| ·参数分析 | 第38-41页 |
| ·收敛性分析 | 第41-42页 |
| ·与其它线性投影学习方法之间的实验结果比较 | 第42页 |
| ·与基于局部特征的方法之间的实验结果比较 | 第42-43页 |
| ·与部分流形学习方法之间的实验比较 | 第43-44页 |
| ·性能比较 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 5 总结与展望 | 第46-47页 |
| 致谢 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 附录 | 第52页 |