| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题研究背景及意义 | 第8-10页 |
| 1.2 人脸识别系统介绍 | 第10-12页 |
| 1.2.1 子空间特征提取方法 | 第10-12页 |
| 1.3 本文工作概述 | 第12-14页 |
| 第二章 相关方法介绍 | 第14-29页 |
| 2.1 典型子空间特征提取方法 | 第14-17页 |
| 2.1.1 主成分分析方法 | 第14-15页 |
| 2.1.2 线性鉴别分析方法 | 第15-16页 |
| 2.1.3 Foley-Sammon 线性鉴别分析方法 | 第16页 |
| 2.1.4 统计不相关鉴别分析方法 | 第16-17页 |
| 2.2 流形学习方法 | 第17-20页 |
| 2.2.1 局部保留投影方法 | 第17-18页 |
| 2.2.2 近邻保持嵌入方法 | 第18-19页 |
| 2.2.3 局部鉴别嵌入方法 | 第19-20页 |
| 2.3 稀疏表示技术 | 第20-25页 |
| 2.3.1 稀疏表示方法 | 第20页 |
| 2.3.2 稀疏保持投影方法 | 第20-22页 |
| 2.3.3 基于流形学习的迭代正交稀疏保留投影方法 | 第22-23页 |
| 2.3.4 基于流形学习的迭代正交稀疏保留鉴别分析方法 | 第23-24页 |
| 2.3.5 基于监督的局部近邻保持嵌入方法 | 第24-25页 |
| 2.4 核子空间学习 | 第25-29页 |
| 2.4.1 核主成分分析方法 | 第26-27页 |
| 2.4.2 核线性鉴别分析方法 | 第27-28页 |
| 2.4.3 核不相关鉴别分析方法 | 第28-29页 |
| 第三章 基于流形学习的统计不相关稀疏保留投影方法 | 第29-34页 |
| 3.1 方法动机 | 第29页 |
| 3.2 构造稀疏权重矩阵和近邻结构图 | 第29-30页 |
| 3.3 基于流形学习的统计不相关稀疏保留投影的模型 | 第30-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第四章 基于流形学习的统计不相关稀疏保留鉴别分析方法 | 第34-39页 |
| 4.1 方法动机 | 第34页 |
| 4.2 近邻结构图的构造 | 第34-35页 |
| 4.3 基于流形学习的统计不相关稀疏保留鉴别分析的模型 | 第35-38页 |
| 4.4 本章小结 | 第38-39页 |
| 第五章 基于流形学习的核统计不相关稀疏保留投影和鉴别分析方法 | 第39-47页 |
| 5.1 方法动机 | 第39页 |
| 5.2 基于流形学习的核统计不相关稀疏保留投影方法 | 第39-43页 |
| 5.3 基于流形学习的核统计不相关稀疏保留鉴别分析方法 | 第43-46页 |
| 5.4 本章小结 | 第46-47页 |
| 第六章 实验结果与分析 | 第47-61页 |
| 6.1 FERET 人脸数据库实验 | 第47-51页 |
| 6.1.1 FERET 人脸数据库介绍 | 第47页 |
| 6.1.2 FERET 人脸数据库实验结果与分析 | 第47-51页 |
| 6.2 AR 人脸库数据库实验 | 第51-56页 |
| 6.2.1 AR 人脸数据库介绍 | 第51-52页 |
| 6.2.2 AR 人脸数据库实验结果分析 | 第52-56页 |
| 6.3 CAS-PEAL 人脸数据库实验 | 第56-60页 |
| 6.3.1 CAS-PEAL 人脸数据库介绍 | 第56页 |
| 6.3.2 CAS-PEAL 人脸数据库实验结果与分析 | 第56-60页 |
| 6.4 实验总结 | 第60页 |
| 6.5 本章小结 | 第60-61页 |
| 第七章 总结与展望 | 第61-63页 |
| 7.1 本文工作总结 | 第61页 |
| 7.2 进一步工作展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 附录 1 攻读硕士学位期间撰写的论文 | 第67-68页 |
| 致谢 | 第68页 |
