| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 1 绪论 | 第11-18页 |
| ·研究背景及意义 | 第11-12页 |
| ·人脸识别的简介 | 第12-15页 |
| ·人脸识别的研究内容 | 第12页 |
| ·人脸识别的评价标准 | 第12-13页 |
| ·人脸识别的研究难点 | 第13页 |
| ·人脸识别特征提取方法概述 | 第13-15页 |
| ·主要研究内容和贡献 | 第15-16页 |
| ·论文结构及内容安排 | 第16-18页 |
| 2 流形学习及算法简介 | 第18-28页 |
| ·流形学习 | 第18-19页 |
| ·经典流形学习算法 | 第19-23页 |
| ·保距特征映射 | 第19-20页 |
| ·局部线性嵌入 | 第20-21页 |
| ·拉普拉斯特征映射 | 第21-23页 |
| ·流形学习方法总结 | 第23-25页 |
| ·LPP 发展现状 | 第25-27页 |
| ·针对小样本问题的改进方法 | 第25-26页 |
| ·针对抗噪能力差的改进方法 | 第26页 |
| ·针对分类能力差的改进方法 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 3 基于 Shannon 熵的局部保持特征提取算法 | 第28-39页 |
| ·相关算法 | 第28-31页 |
| ·局部保持特征提取算法 | 第28-29页 |
| ·基于 Shannon 熵的特征提取算法 | 第29-31页 |
| ·基于 Shannon 熵的局部保持特征提取算法 | 第31-34页 |
| ·基于 Shannon 熵的局部保持特征提取算法 | 第31-32页 |
| ·算法总结 | 第32-34页 |
| ·实验及分析 | 第34-37页 |
| ·ORL 人脸库实验及结果 | 第34-35页 |
| ·Yale 人脸库实验及结果 | 第35-37页 |
| ·本章小结 | 第37-39页 |
| 4 兼顾全局的双向局部保持特征提取算法 | 第39-51页 |
| ·2DPCA 与 2DLPP 算法简述 | 第39-41页 |
| ·2DPCA 算法简述 | 第39-40页 |
| ·2DLPP 算法简述 | 第40-41页 |
| ·兼顾全局的双向局部保持特征提取算法 | 第41-48页 |
| ·兼顾全局的双向局部保持特征提取算法 | 第41-45页 |
| ·算法总结 | 第45-48页 |
| ·实验及分析 | 第48-50页 |
| ·Yale 人脸库实验及结果 | 第48-49页 |
| ·FERET 人脸库实验及结果 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 5 总结与展望 | 第51-53页 |
| ·全文工作总结 | 第51-52页 |
| ·工作展望 | 第52-53页 |
| 参考文献 | 第53-58页 |
| 附录 A：作者攻读硕士学位期间发表论文及科研情况 | 第58-59页 |
| 致谢 | 第59页 |