| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·选题背景和意义 | 第7-8页 |
| ·数据降维方法概述 | 第8-12页 |
| ·本文研究内容及安排 | 第12-13页 |
| 第二章 特征提取和降维算法研究 | 第13-29页 |
| ·经典的线性方法 | 第13-17页 |
| ·主成分分析（PCA） | 第13-15页 |
| ·线性判别分析（LDA） | 第15-17页 |
| ·流形学习方法分析 | 第17-21页 |
| ·局部保持投影（LPP） | 第17-19页 |
| ·Locally sensitive discriminant analysis（LSDA） | 第19-20页 |
| ·局部Fisher判别分析（LFDA） | 第20-21页 |
| ·图嵌入框架 | 第21-26页 |
| ·图嵌入框架介绍 | 第22-23页 |
| ·图嵌入和降维算法的关系 | 第23-25页 |
| ·Marginal fisher analysis（MFA） | 第25-26页 |
| ·小结 | 第26-29页 |
| 第三章 增强Fisher判别分析 | 第29-43页 |
| ·问题描述 | 第29-32页 |
| ·LDA算法分析 | 第29-30页 |
| ·SDA和LapLDA分析 | 第30-32页 |
| ·EFDC | 第32-36页 |
| ·局部多样性离散度 | 第32-33页 |
| ·目标函数 | 第33-34页 |
| ·算法总结 | 第34-36页 |
| ·实验仿真与分析 | 第36-42页 |
| ·常用的图像库介绍 | 第36-38页 |
| ·实验仿真结果与分析 | 第38-42页 |
| ·小结 | 第42-43页 |
| 第四章 集成全局和局部结构的鲁棒判别分析 | 第43-57页 |
| ·LDA和EFDC算法分析 | 第43-44页 |
| ·集成全局和局部结构的鲁棒判别分析 | 第44-50页 |
| ·局部相似性离散度 | 第45-46页 |
| ·局部判别结构 | 第46页 |
| ·鲁棒判别嵌入 | 第46-48页 |
| ·算法的理论分析 | 第48-49页 |
| ·算法总结 | 第49-50页 |
| ·实验仿真与分析 | 第50-55页 |
| ·数据库介绍 | 第50-51页 |
| ·实验仿真结果与分析 | 第51-55页 |
| ·小结 | 第55-57页 |
| 第五章 总结与展望 | 第57-59页 |
| ·总结 | 第57-58页 |
| ·展望 | 第58-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 研究成果 | 第67-68页 |