| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-18页 |
| 1.1 课题研究背景及介绍 | 第8-9页 |
| 1.2 主要生物特征介绍 | 第9-13页 |
| 1.3 生物特征识别算法简述 | 第13-15页 |
| 1.4 论文工作概述 | 第15-16页 |
| 1.5 本文余下内容章节安排 | 第16-18页 |
| 第二章 相关背景知识介绍 | 第18-32页 |
| 2.1 经典的单视图特征提取算法 | 第18-22页 |
| 2.1.1 主成分分析 | 第18-19页 |
| 2.1.2 线性鉴别分析 | 第19-21页 |
| 2.1.3 加权Fisher准则 | 第21-22页 |
| 2.2 经典的多视图特征提取算法 | 第22-28页 |
| 2.2.1 典型相关性分析 | 第23-24页 |
| 2.2.2 典型鉴别相关性分析 | 第24-25页 |
| 2.2.3 核典型鉴别相关性分析 | 第25-26页 |
| 2.2.4 鉴别的多视图典型相关性分析 | 第26-27页 |
| 2.2.5 双重鉴别分析 | 第27页 |
| 2.2.6 多视图鉴别分析 | 第27-28页 |
| 2.3 半监督学习 | 第28-31页 |
| 2.3.1 自训练 | 第29-30页 |
| 2.3.2 半监督支持向量机 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 基于全局统计不相关的多视图鉴别分析方法 | 第32-38页 |
| 3.1 方法动机与贡献 | 第32页 |
| 3.2 算法模型 | 第32-34页 |
| 3.3 基于全局统计不相关多视图鉴别求解 | 第34-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 半监督的多视图鉴别分析 | 第38-44页 |
| 4.1 半监督学习 | 第38-39页 |
| 4.2 算法动机与贡献 | 第39页 |
| 4.3 半监督的多视图鉴别算法 | 第39-41页 |
| 4.4 算法步骤描述 | 第41-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第五章 基于加权Fisher准则的非线性多视图鉴别分析 | 第44-51页 |
| 5.1 方法动机 | 第44页 |
| 5.2 加权公式 | 第44-45页 |
| 5.3 基于加权Fisher准则的多视图鉴别分析 | 第45-47页 |
| 5.3.1 数学模型 | 第45-46页 |
| 5.3.2 求解过程 | 第46-47页 |
| 5.4 基于加权Fisher准则的非线性多视图鉴别分析 | 第47-50页 |
| 5.5 本章小结 | 第50-51页 |
| 第六章 实验分析 | 第51-61页 |
| 6.1 多特征集数据库（MFD） | 第51-53页 |
| 6.1.1 MFD数据库简介及实验设置 | 第51-52页 |
| 6.1.2 实验结果及分析 | 第52-53页 |
| 6.2 PolyU多光谱掌数据纹库 | 第53-58页 |
| 6.2.1 PolyU多光谱掌纹库的简介及实验设置 | 第53-55页 |
| 6.2.2 实验结果及分析 | 第55-58页 |
| 6.3 AR彩色人脸数据库 | 第58-61页 |
| 6.3.1 AR人脸库的简介及实验设置 | 第58-59页 |
| 6.3.2 实验结果及分析 | 第59-61页 |
| 第七章 总结与展望 | 第61-63页 |
| 7.1 本文工作总结 | 第61页 |
| 7.2 进一步研究展望 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第68-69页 |
| 致谢 | 第69页 |
