| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 引言 | 第7-9页 |
| 1 流形学习 | 第9-14页 |
| 1.1 流形学习 | 第9-10页 |
| 1.2 流形学习的应用 | 第10-11页 |
| 1.3 流形学习方法简介 | 第11-14页 |
| 2 基于张量子空间的PCA降维算法 | 第14-21页 |
| 2.1 传统PCA算法 | 第14-16页 |
| 2.2 张量的定义及其运算 | 第16-19页 |
| 2.2.1 张量的定义 | 第16-17页 |
| 2.2.2 张量的基本运算 | 第17-18页 |
| 2.2.3 张量子空间分析 | 第18-19页 |
| 2.3 基于张量子空间的PCA降维算法 | 第19-21页 |
| 3 基于非下采样剪切波的张量子空间TPCA降维算法 | 第21-31页 |
| 3.1 剪切波 | 第21-25页 |
| 3.1.1 传统剪切波变换 | 第21-23页 |
| 3.1.2 非下采样剪切波变换 | 第23-25页 |
| 3.2 基于非下采样剪切波的张量主成分分析法应用于人脸数据 | 第25页 |
| 3.3 实验分析 | 第25-30页 |
| 3.3.1 在ORL人脸数据库的实验 | 第26-28页 |
| 3.3.2 FLD人脸数据库的实验 | 第28-29页 |
| 3.3.3 FERET人脸数据库的实验 | 第29页 |
| 3.3.4 自建人脸数据库的实验 | 第29-30页 |
| 3.4 小结 | 第30-31页 |
| 4 结论 | 第31-33页 |
| 4.1 研究工作总结 | 第31-32页 |
| 4.2 研究工作展望 | 第32-33页 |
| 参考文献 | 第33-36页 |
| 攻读硕士学位期间发表学术论文情况 | 第36-37页 |
| 致谢 | 第37页 |