| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究意义和背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.3 论文研究内容 | 第14页 |
| 1.4 本文结构安排 | 第14-16页 |
| 第二章 子空间特征提取和稀疏表示 | 第16-26页 |
| 2.1 子空间特征提取 | 第16-21页 |
| 2.1.1 主成分分析 | 第16-17页 |
| 2.1.2 线性判别分析 | 第17-18页 |
| 2.1.3 局部保持投影 | 第18-20页 |
| 2.1.4 邻域保持嵌入 | 第20-21页 |
| 2.2 稀疏表示理论 | 第21-25页 |
| 2.2.1 稀疏表示分类 | 第22-23页 |
| 2.2.2 字典学习 | 第23-24页 |
| 2.2.3 稀疏保持投影 | 第24-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 基于局部Fisher准则判别投影的人脸识别算法 | 第26-40页 |
| 3.1 局部判别嵌入 | 第27-28页 |
| 3.2 局部Fisher判别投影 | 第28-32页 |
| 3.2.1 近邻矩阵的稀疏构造 | 第28-29页 |
| 3.2.2 局部散度矩阵 | 第29-32页 |
| 3.3 实验结果与分析 | 第32-39页 |
| 3.3.1 识别率实验 | 第35-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 基于判别字典学习的线性子空间人脸识别算法 | 第40-54页 |
| 4.1 相关技术 | 第41-42页 |
| 4.1.1 线性子空间 | 第41-42页 |
| 4.1.2 稀疏表示 | 第42页 |
| 4.2 基于判别字典的线性子空间 | 第42-47页 |
| 4.2.1 判别字典学习 | 第42-44页 |
| 4.2.2 判别字典学习优化 | 第44-46页 |
| 4.2.3 判别子空间 | 第46-47页 |
| 4.3 实验结果分析 | 第47-53页 |
| 4.3.1 实验样本与预处理 | 第47-48页 |
| 4.3.2 收敛性实验 | 第48-49页 |
| 4.3.3 识别率实验 | 第49-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 总结 | 第54-55页 |
| 5.2 展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 攻读学位期间的研究成果 | 第60-61页 |