| 摘要 | 第4-5页 |
| 英文摘要 | 第5-11页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 选题背景与研究意义 | 第11-13页 |
| 1.2 国内外研究动态 | 第13-15页 |
| 1.3 面临的主要问题和挑战 | 第15-17页 |
| 1.4 本文的主要工作和创新点 | 第17-18页 |
| 1.5 本文的组织结构 | 第18-19页 |
| 第二章 度量学习算法概述 | 第19-29页 |
| 2.1 引言 | 第19-21页 |
| 2.2 无监督的度量学习算法 | 第21-23页 |
| 2.3 有监督的度量学习算法 | 第23-26页 |
| 2.4 半监督的度量学习算法 | 第26-27页 |
| 2.5 本章小结 | 第27-29页 |
| 第三章 基于低秩约束的自适应度量学习算法 | 第29-43页 |
| 3.1 引言 | 第29-31页 |
| 3.2 基于低秩约束的自适应度量学习算法 | 第31-35页 |
| 3.2.1 问题的建模 | 第31-33页 |
| 3.2.2 目标函数的优化 | 第33-35页 |
| 3.2.3 收敛性分析与时间复杂度分析 | 第35页 |
| 3.3 实验结果及分析 | 第35-42页 |
| 3.3.1 UCI数据集上的分类结果 | 第36-38页 |
| 3.3.2 在LFW数据集上的人脸验证 | 第38-41页 |
| 3.3.3 在PubFig数据集上的人脸验证 | 第41-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 稀疏相似度度量学习算法 | 第43-63页 |
| 4.1 引言 | 第43-45页 |
| 4.2 稀疏相似度度量学习算法 | 第45-50页 |
| 4.2.1 数据预处理 | 第46页 |
| 4.2.2 问题的建模 | 第46-48页 |
| 4.2.3 目标函数的优化 | 第48-50页 |
| 4.2.4 收敛性分析与时间复杂度分析 | 第50页 |
| 4.3 多特征融合的稀疏相似度度量学习算法 | 第50-53页 |
| 4.3.1 问题的建模 | 第50-51页 |
| 4.3.2 目标函数的优化 | 第51-53页 |
| 4.4 实验结果及分析 | 第53-60页 |
| 4.4.1 在LFW和PubFig数据集上的人脸验证 | 第53-56页 |
| 4.4.2 在KinFacwW-Ⅰ和KinFaceW-Ⅱ数据集上的亲属关系验证 | 第56-60页 |
| 4.5 本章小结 | 第60-63页 |
| 第五章 总结与未来工作 | 第63-65页 |
| 5.1 总结 | 第63-64页 |
| 5.2 未来工作 | 第64-65页 |
| 参考文献 | 第65-73页 |
| 攻读硕士学位期间取得的学术成果 | 第73-75页 |
| 致谢 | 第75页 |