| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第13-36页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 论文中主要符号说明 | 第14-16页 |
| 1.3 子空间学习方法概述 | 第16-20页 |
| 1.3.1 线性子空间学习算法 | 第16-19页 |
| 1.3.2 非线性子空间学习算法 | 第19-20页 |
| 1.4 鲁棒线性子空间方法研究现状 | 第20-33页 |
| 1.4.1 基于R1范数的子空间学习 | 第21-23页 |
| 1.4.2 基于L1范数的子空间学习 | 第23-26页 |
| 1.4.3 基于相关熵的子空间学习 | 第26-28页 |
| 1.4.4 基于余弦非相似度的子空间学习 | 第28-30页 |
| 1.4.5 基于变换域的子空间学习 | 第30-33页 |
| 1.4.6 研究现状总结 | 第33页 |
| 1.5 论文的主要工作 | 第33-34页 |
| 1.6 论文的组织结构 | 第34-36页 |
| 第2章 基于最大相关熵的局部保持投影 | 第36-58页 |
| 2.1 引言 | 第36-37页 |
| 2.2 基于L2范数的LPP | 第37-39页 |
| 2.3 基于L1范数的LPP | 第39-42页 |
| 2.4 基于MCC的LPP | 第42-45页 |
| 2.4.1 目标问题 | 第42-43页 |
| 2.4.2 优化算法 | 第43-45页 |
| 2.5 实验结果 | 第45-56页 |
| 2.5.1 人工合成数据集 | 第45-50页 |
| 2.5.2 手写数字数据库USPS | 第50-55页 |
| 2.5.3 人脸数据库ORL | 第55-56页 |
| 2.6 本章小结 | 第56-58页 |
| 第3章 基于L1范数的线性鉴别分析 | 第58-78页 |
| 3.1 引言 | 第58-59页 |
| 3.2 基于L2范数的LDA | 第59-61页 |
| 3.3 基于R1范数的LDA | 第61-62页 |
| 3.4 基于L1范数最大化的LDA | 第62-69页 |
| 3.4.1 目标问题 | 第62-63页 |
| 3.4.2 迭代求解单投影向量 | 第63-67页 |
| 3.4.3 贪婪搜索多投影向量 | 第67-68页 |
| 3.4.4 计算开销分析 | 第68-69页 |
| 3.5 实验结果 | 第69-77页 |
| 3.5.1 人工合成数据集 | 第69-71页 |
| 3.5.2 标准分类数据库 | 第71-73页 |
| 3.5.3 高维图像数据库 | 第73-77页 |
| 3.6 本章小结 | 第77-78页 |
| 第4章 基于L1范数的鉴别局部保持投影 | 第78-97页 |
| 4.1 引言 | 第78-79页 |
| 4.2 基于L2范数的DLPP | 第79-82页 |
| 4.3 基于L1范数最大化的DLPP | 第82-88页 |
| 4.3.1 目标问题 | 第82-83页 |
| 4.3.2 优化算法 | 第83-88页 |
| 4.4 实验结果 | 第88-96页 |
| 4.4.1 人工合成数据集 | 第88-90页 |
| 4.4.2 Binary Alphadigits数据库 | 第90-92页 |
| 4.4.3 FERET人脸数据库 | 第92-94页 |
| 4.4.4 PolyU掌纹数据库 | 第94-96页 |
| 4.5 本章小结 | 第96-97页 |
| 第5章 基于相似性度量的鉴别分析框架 | 第97-114页 |
| 5.1 引言 | 第97-99页 |
| 5.2 基于相似性度量的鉴别分析一般框架 | 第99-104页 |
| 5.3 框架下的常见鉴别分析方法阐释 | 第104-105页 |
| 5.4 一种基于L2和L1范数的鲁棒鉴别分析算法 | 第105-113页 |
| 5.4.1 目标问题 | 第105-106页 |
| 5.4.2 问题求解 | 第106-109页 |
| 5.4.3 实验结果 | 第109-113页 |
| 5.5 本章小结 | 第113-114页 |
| 第6章 基于图像局部纹理模式的子空间学习 | 第114-136页 |
| 6.1 引言 | 第114-115页 |
| 6.2 局部二进制模式LBP | 第115-116页 |
| 6.3 增强局部方向模式ELDP | 第116-123页 |
| 6.3.1 LDP码 | 第116-117页 |
| 6.3.2 ELDP码 | 第117-118页 |
| 6.3.3 与LBP的关系 | 第118-119页 |
| 6.3.4 ELDP的稳定性与鉴别性 | 第119-120页 |
| 6.3.5 人脸中的ELDP模式统计 | 第120-122页 |
| 6.3.6 基于ELDP的人脸描述与识别 | 第122-123页 |
| 6.4 几种局部纹理算子的比较试验 | 第123-131页 |
| 6.4.1 常规实验 | 第123-127页 |
| 6.4.2 噪声实验 | 第127-131页 |
| 6.5 基于局部纹理模式的子空间学习 | 第131-134页 |
| 6.5.1 基于局部纹理模式的子空间学习框架 | 第131-132页 |
| 6.5.2 一种基于ELDP的鲁棒子空间学习方案 | 第132-133页 |
| 6.5.3 实验结果 | 第133-134页 |
| 6.6 本章小结 | 第134-136页 |
| 研究总结 | 第136-139页 |
| 致谢 | 第139-140页 |
| 参考文献 | 第140-156页 |
| 攻读博士学位期间发表的学术论文及科研成果 | 第156页 |