| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-12页 |
| ·选题背景及意义 | 第7-8页 |
| ·数据降维方法分析 | 第8-10页 |
| ·本文研究内容及安排 | 第10-12页 |
| 第二章 二维特征提取算法分析 | 第12-25页 |
| ·二维线性方法 | 第12-17页 |
| ·二维主成分分析(2DPCA) | 第12-14页 |
| ·二维线性判别分析(2DLDA) | 第14-17页 |
| ·流形学习方法 | 第17-20页 |
| ·图嵌入框架介绍(graph embedding) | 第20-24页 |
| ·图嵌入介绍 | 第20-21页 |
| ·图嵌入与二维算法的联系 | 第21-24页 |
| ·小结 | 第24-25页 |
| 第三章 二维增强 Fisher 线性判别 | 第25-40页 |
| ·问题描述 | 第25-28页 |
| ·2DLDA | 第25-28页 |
| ·用邻接图描述局部多样性 | 第28页 |
| ·2DEFDC | 第28-33页 |
| ·类间离散度的计算 | 第29页 |
| ·局部多样性离散度 | 第29-30页 |
| ·目标函数 | 第30-31页 |
| ·算法总结 | 第31-33页 |
| ·实验仿真与分析 | 第33-38页 |
| ·图像库介绍 | 第33-35页 |
| ·试验仿真结果与分析 | 第35-38页 |
| ·小结 | 第38-40页 |
| 第四章 集成全局和局部结构的二维判别分析 | 第40-52页 |
| ·2DLDA 和 2DEFDC 的分析 | 第40-41页 |
| ·集成全局和局部结构的二维判别分析 | 第41-46页 |
| ·局部相似性离散度 | 第42-43页 |
| ·局部判别结构 | 第43-44页 |
| ·集成全局和局部结构的判别分析 | 第44-45页 |
| ·算法分析 | 第45-46页 |
| ·算法步骤 | 第46页 |
| ·试验仿真及结果 | 第46-50页 |
| ·小结 | 第50-52页 |
| 第五章 总结与展望 | 第52-54页 |
| ·总结 | 第52-53页 |
| ·展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 研究成果 | 第59-60页 |