| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 目录 | 第9-13页 |
| 插图清单 | 第13-14页 |
| 表格清单 | 第14-15页 |
| 第一章 绪论 | 第15-33页 |
| ·研究背景及研究意义 | 第15-19页 |
| ·国内外研究现状 | 第19-28页 |
| ·监督数据降维 | 第19-24页 |
| ·半监督分类器 | 第24-26页 |
| ·弱监督度量学习 | 第26-28页 |
| ·研究的问题 | 第28-29页 |
| ·本文完成的工作 | 第29-31页 |
| ·本文结构 | 第31-33页 |
| 第二章 排序信息保留鉴别分析 | 第33-49页 |
| ·引言 | 第33-34页 |
| ·排序信息保留鉴别分析（RPDA） | 第34-39页 |
| ·部分最优阶段 | 第35-36页 |
| ·整体校正阶段 | 第36-37页 |
| ·其他惩罚因子 | 第37-39页 |
| ·基于 RPDA 的人体行为识别 | 第39-42页 |
| ·人体行为识别研究进展简述 | 第39-40页 |
| ·基于 RPDA 的人体行为识别系统框架 | 第40-42页 |
| ·实验及分析 | 第42-48页 |
| ·实验数据集 | 第42-43页 |
| ·加速度特征 | 第43-44页 |
| ·实验基准和评价准则 | 第44-45页 |
| ·实验结果和分析 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第三章 集成流形排序信息保留 | 第49-68页 |
| ·引言 | 第49-50页 |
| ·集成流形排序信息保留（EMRP） | 第50-56页 |
| ·排序信息保留 | 第51页 |
| ·鉴别信息最大化 | 第51-53页 |
| ·集成流行对超参数的估计 | 第53-56页 |
| ·基于 EMRP 的人体行为识别系统框架 | 第56-57页 |
| ·实验及分析 | 第57-66页 |
| ·实验数据集 | 第57-58页 |
| ·预处理和 FFT 特征提取 | 第58-60页 |
| ·实验基准和评价准则 | 第60-61页 |
| ·实验结果和分析 | 第61-66页 |
| ·本章小结 | 第66-68页 |
| 第四章 稀疏排序信息保留 | 第68-86页 |
| ·引言 | 第68-69页 |
| ·稀疏排序信息保留（RPSL） | 第69-74页 |
| ·排序信息保留鉴别分析 | 第69-72页 |
| ·稀疏惩罚项 | 第72页 |
| ·最小分类误差惩罚项 | 第72-73页 |
| ·稀疏排序信息保留的解 | 第73-74页 |
| ·基于 RPSL 的场景分类 | 第74-77页 |
| ·场景分类研究进展简述 | 第74-76页 |
| ·基于 RPSL 的场景分类系统框架 | 第76-77页 |
| ·实验及分析 | 第77-85页 |
| ·实验数据集 | 第77-78页 |
| ·特征描述 | 第78-79页 |
| ·实验基准和评价准则 | 第79-80页 |
| ·实验结果和分析 | 第80-85页 |
| ·本章小结 | 第85-86页 |
| 第五章 HESSIAN 正则化支撑向量机 | 第86-105页 |
| ·引言 | 第86-87页 |
| ·HESSIAN 正则化支撑向量机（HESSVM） | 第87-96页 |
| ·Hessian 正则化 | 第88-90页 |
| ·Hessian 正则化支撑向量机（HesSVM） | 第90-92页 |
| ·Hessian 正则化的合理性 | 第92-93页 |
| ·理解再生核希尔伯特空间 | 第93-96页 |
| ·基于 HESSVM 的手机图像标注 | 第96-100页 |
| ·图像标注研究进展简述 | 第96-98页 |
| ·基于云平台的手机图像标注系统框架 | 第98-100页 |
| ·实验及分析 | 第100-103页 |
| ·实验数据集 | 第100-101页 |
| ·特征描述 | 第101页 |
| ·实验基准和评价准则 | 第101页 |
| ·实验结果和分析 | 第101-103页 |
| ·本章小结 | 第103-105页 |
| 第六章 改进的 KISS 度量学习 | 第105-125页 |
| ·引言 | 第105-106页 |
| ·改进的 KISS 度量学习 | 第106-114页 |
| ·KISS 度量学习 | 第106-108页 |
| ·RS-KISS 度量学习 | 第108-111页 |
| ·MCE-KISS 度量学习 | 第111-114页 |
| ·基于度量学习的行人重标识 | 第114-116页 |
| ·行人重标识研究进展简述 | 第114-115页 |
| ·基于度量学习的行人重标识系统框架 | 第115-116页 |
| ·实验及分析 | 第116-123页 |
| ·实验数据集 | 第116-117页 |
| ·特征描述 | 第117-118页 |
| ·实验基准和评价准则 | 第118-119页 |
| ·实验结果和分析 | 第119-123页 |
| ·本章小结 | 第123-125页 |
| 结论 | 第125-128页 |
| 参考文献 | 第128-145页 |
| 攻读博士学位期间取得的研究成果 | 第145-148页 |
| 致谢 | 第148-150页 |
| 附件 | 第150页 |