| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文的主要研究内容 | 第12-13页 |
| 1.4 本文组织结构 | 第13-16页 |
| 第2章 基础理论 | 第16-28页 |
| 2.1 稀疏表示 | 第16-20页 |
| 2.1.1 稀疏表示人脸识别算法 | 第16-18页 |
| 2.1.2 稀疏表示人脸识别算法鲁棒性 | 第18-20页 |
| 2.2 低秩子空间恢复 | 第20-26页 |
| 2.2.1 迭代阈值算法 | 第21-22页 |
| 2.2.2 加速近端梯度算法 | 第22-23页 |
| 2.2.3 对偶算法 | 第23-24页 |
| 2.2.4 增广拉格朗日乘子法 | 第24-26页 |
| 2.3 本章小结 | 第26-28页 |
| 第3章 基于低秩子空间恢复多子空间稀疏表示人脸图像识别算法 | 第28-38页 |
| 3.1 引言 | 第28-30页 |
| 3.2 最大概率稀疏表示分类 | 第30-32页 |
| 3.3 基于低秩子空间恢复多子空间稀疏表示人脸图像识别算法 | 第32-34页 |
| 3.4 实验仿真 | 第34-36页 |
| 3.4.1 AR人脸数据图像识别 | 第34-35页 |
| 3.4.2 Extended Yale B图像识别 | 第35-36页 |
| 3.5 本章小结 | 第36-38页 |
| 第4章 基于低秩子空间恢复的联合降维与字典学习稀疏表示人脸识别算法 | 第38-50页 |
| 4.1 引言 | 第38-39页 |
| 4.2 联合降维与字典学习稀疏表示人脸识别算法 | 第39-43页 |
| 4.2.1 协作表示分类 | 第39-41页 |
| 4.2.2 联合降维与字典学习算法 | 第41-43页 |
| 4.3 基于低秩子空间恢复的联合降维与字典学习稀疏表示人脸识别算法 | 第43-45页 |
| 4.4 实验仿真 | 第45-48页 |
| 4.4.1 Extended Yale B数据库 | 第45-46页 |
| 4.4.2 AR数据库 | 第46-48页 |
| 4.5 本章小结 | 第48-50页 |
| 第5章 基于低秩子空间恢复的核特征空间人脸识别算法 | 第50-58页 |
| 5.1 引言 | 第50-51页 |
| 5.2 基于低秩子空间恢复的核特征空间人脸识别算法 | 第51-54页 |
| 5.2.1 核特征空间分类算法 | 第51-52页 |
| 5.2.2 基于低秩子空间恢复的核特征空间人脸识别算法 | 第52-54页 |
| 5.3 实验仿真 | 第54-55页 |
| 5.4 本章小结 | 第55-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65页 |
