| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-16页 |
| ·人脸识别研究背景及其意义 | 第10-11页 |
| ·人脸识别研究的内容 | 第11-12页 |
| ·人脸识别的研究现状 | 第12-14页 |
| ·本文的主要工作 | 第14-15页 |
| ·本文的结构安排 | 第15-16页 |
| 第二章 小波变换、PSO、聚类 | 第16-32页 |
| ·小波变换 | 第16-24页 |
| ·连续小波变换 | 第16-17页 |
| ·小波变换的 Mallat 算法 | 第17-21页 |
| ·离散序列的小波变换 | 第21-24页 |
| ·粒子群优化算法 | 第24-27页 |
| ·粒子群优化算法的基本概念 | 第24-26页 |
| ·粒子群算法的全局模式与局部模式 | 第26-27页 |
| ·粒子群算法的参数的选取 | 第27页 |
| ·聚类 | 第27-31页 |
| ·模式相似性测度 | 第27-29页 |
| ·聚类的准则函数 | 第29-30页 |
| ·聚类算法 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 张量和子空间流形学习算法 | 第32-46页 |
| ·张量 | 第32-33页 |
| ·子空间流形学习算法 | 第33-45页 |
| ·主成分分析（PCA） | 第35-37页 |
| ·线性判别分析（LDA） | 第37-40页 |
| ·邻域保护嵌入（NPE） | 第40-42页 |
| ·局部保持投影（LPP） | 第42-44页 |
| ·边际费希尔分析（MFA） | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 基于小波变换和张量PCA 的人脸识别算法 | 第46-62页 |
| ·融合小波变换和张量PCA 的人脸识别算法 | 第46-56页 |
| ·张量PCA | 第47-48页 |
| ·Bior3.5 小波 | 第48-51页 |
| ·融合小波变换和张量PCA 人脸识别算法及其实现过程 | 第51-52页 |
| ·实验仿真与分析 | 第52-56页 |
| ·利用粒子群优化的人脸特征提取优化识别算法 | 第56-60页 |
| ·算法描述 | 第56-58页 |
| ·实验与分析 | 第58-60页 |
| ·本章小节 | 第60-62页 |
| 第五章 张量局部和全局信息投影算法 | 第62-78页 |
| ·张量局部和全局信息投影 | 第62-68页 |
| ·实验与分析 | 第68-75页 |
| ·“ORL”库 | 第68-71页 |
| ·“Yale”库 | 第71-73页 |
| ·“PIE”库 | 第73-75页 |
| ·本章小结 | 第75-78页 |
| 第六章 空间光滑流形最大值和最小值保持人脸识别算法 | 第78-96页 |
| ·空间光滑子空间学习 | 第79-82页 |
| ·空间光滑流形最大值和最小值保持学习算法 | 第82-88页 |
| ·谱图理论框架 | 第82-84页 |
| ·流形最大值和最小值保持算法 | 第84-87页 |
| ·空间光滑流形最大值和最小值保持人脸识别算法 | 第87-88页 |
| ·实验与分析 | 第88-93页 |
| ·“ORL”库 | 第88-90页 |
| ·“Yale”库 | 第90-92页 |
| ·实验结果分析 | 第92-93页 |
| ·本章小结 | 第93-96页 |
| 第七章 总结和展望 | 第96-100页 |
| 致谢 | 第100-102页 |
| 参考文献 | 第102-108页 |
| 攻读博士学位期间的研究成果 | 第108-109页 |