| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景 | 第15-16页 |
| 1.2 基于子空间学习的图像特征提取算法的研究现状 | 第16-19页 |
| 1.3 本文研究内容及安排 | 第19-21页 |
| 第二章 二维特征提取技术与距离度量学习 | 第21-31页 |
| 2.1 二维主成分分析与基于L1范数的二维主成分分析 | 第21-24页 |
| 2.1.1 二维主成分分析 | 第21-23页 |
| 2.1.2 基于L1范数的二维主成分分析 | 第23-24页 |
| 2.2 二维线性判别分析与基于L1范数的二维线性判别分析 | 第24-28页 |
| 2.2.1 二维线性判别分析 | 第24-26页 |
| 2.2.2 基于L1范数的二维线性判别分析 | 第26-28页 |
| 2.3 距离度量方式的对比与分析 | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 角度二维主成分分析 | 第31-45页 |
| 3.1 概述 | 第31页 |
| 3.2 Angle-2DPCA的目标函数 | 第31-33页 |
| 3.3 Angle-2DPCA的算法求解 | 第33-35页 |
| 3.4 Angle-2DPCA的旋转不变性分析 | 第35-36页 |
| 3.5 仿真实验 | 第36-43页 |
| 3.5.1 数据介绍与实验设计 | 第36-38页 |
| 3.5.2 实验结果与实验分析 | 第38-43页 |
| 3.6 本章小结 | 第43-45页 |
| 第四章 二维局部自适应判别分析 | 第45-65页 |
| 4.1 概述 | 第45页 |
| 4.2 二维局部自适应判别分析 | 第45-51页 |
| 4.2.1 2DLADA的目标函数 | 第45-47页 |
| 4.2.2 2DLADA的算法求解 | 第47-49页 |
| 4.2.3 2DLADA和2DLDA的联系 | 第49-50页 |
| 4.2.4 收敛性分析 | 第50-51页 |
| 4.3 基于F范数的二维局部自适应判别分析 | 第51-53页 |
| 4.3.1 2DLADA-F的目标函数 | 第51页 |
| 4.3.2 2DLADA-F的算法求解 | 第51-53页 |
| 4.4 仿真实验 | 第53-64页 |
| 4.4.1 数据介绍与实验设计 | 第53-55页 |
| 4.4.2 实验结果与实验分析 | 第55-64页 |
| 4.5 本章小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-67页 |
| 5.1 总结 | 第65-66页 |
| 5.2 展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-73页 |
| 作者简介 | 第73-74页 |
