| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本文研究目的、技术路线和主要内容 | 第11-14页 |
| 1.3.1 本文研究目的及技术路线 | 第11-12页 |
| 1.3.2 本文的主要内容 | 第12-14页 |
| 第2章 流形学习方法简介 | 第14-24页 |
| 2.1 流形和流形学习 | 第14-15页 |
| 2.2 流形学习算法框架 | 第15-16页 |
| 2.3 经典流形学习算法 | 第16-19页 |
| 2.3.1 等距特征映射算法（ISOMAP） | 第16-17页 |
| 2.3.2 局部线性嵌入算法（LLE） | 第17-18页 |
| 2.3.3 拉普拉斯特征映射算法（LE） | 第18页 |
| 2.3.4 局部切空间排列算法（LTSA） | 第18-19页 |
| 2.4 流形学习存在问题的总结 | 第19-21页 |
| 2.5 面向缺损数据的流形学习方法 | 第21-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第3章 面向缺失像素图像集的修正拉普拉斯特征映射算法 | 第24-34页 |
| 3.1 LE算法的简要分析 | 第24-25页 |
| 3.2 基于余弦相似度的距离衡量方法和权值构造函数 | 第25-27页 |
| 3.3 面向缺失像素的修正拉普拉斯特征映射算法 | 第27页 |
| 3.4 数值实验 | 第27-33页 |
| 3.4.1 实验数据集 | 第28-30页 |
| 3.4.2 实验结果与分析 | 第30-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 基于核范数正则化的局部切空间排列算法 | 第34-47页 |
| 4.1 基于核范数正则化的局部切空间逼近 | 第34-37页 |
| 4.1.1 核范数正则化模型 | 第34-35页 |
| 4.1.2 局部切空间逼近的迭代算法 | 第35-37页 |
| 4.2 主要算法分析（LTSA-NNR） | 第37-38页 |
| 4.3 主要算法描述（LTSA-NNR） | 第38-39页 |
| 4.4 实验结果与分析 | 第39-46页 |
| 4.4.1 可视化实验结果与分析 | 第40-43页 |
| 4.4.2 分类实验结果与分析 | 第43-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第5章 总结与展望 | 第47-50页 |
| 5.1 总结 | 第47-49页 |
| 5.2 展望 | 第49-50页 |
| 参考文献 | 第50-55页 |
| 致谢 | 第55-56页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第56页 |