| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 相关工作 | 第12-16页 |
| 1.2.1 国内外研究现状 | 第12-14页 |
| 1.2.2 线性投影算法介绍 | 第14-16页 |
| 1.3 本文主要研究内容和创新点 | 第16-17页 |
| 1.4 本文内容结构 | 第17-18页 |
| 第二章 基于正交最小二乘回归特征提取算法 | 第18-35页 |
| 2.1 引言 | 第18-22页 |
| 2.1.1 正交最小二乘判别分析 | 第21-22页 |
| 2.2 基于正交最小二乘回归特征提取算法模型 | 第22-23页 |
| 2.3 模型分析 | 第23-26页 |
| 2.3.1 解的分析 | 第23-25页 |
| 2.3.2 算法收敛性分析 | 第25-26页 |
| 2.4 实验设计与分析 | 第26-33页 |
| 2.4.1 数据集介绍 | 第26-28页 |
| 2.4.2 实验步骤 | 第28-29页 |
| 2.4.3 分类工作研究 | 第29-32页 |
| 2.4.4 讨论 | 第32-33页 |
| 2.5 本章小结 | 第33-35页 |
| 第三章 自适应近邻最小最大投影 | 第35-52页 |
| 3.1 引言 | 第35-39页 |
| 3.1.1 近邻最小最大投影(NMMP) | 第38-39页 |
| 3.2 自适应近邻最小最大投影 | 第39-44页 |
| 3.2.1 自适应最优近邻点选择方法 | 第39-42页 |
| 3.2.2 自适应近邻最小最大投影 | 第42-44页 |
| 3.3 实验设计与分析 | 第44-50页 |
| 3.3.1 数据描述 | 第44页 |
| 3.3.2 合成数据可视化实验 | 第44-45页 |
| 3.3.3 UCI数据集实验 | 第45-48页 |
| 3.3.4 人脸数据集实验 | 第48-50页 |
| 3.4 本章小结 | 第50-52页 |
| 第四章 基于L_(2,1)范数的鲁棒线性判别分析算法 | 第52-70页 |
| 4.1 引言 | 第52-54页 |
| 4.1.1 基于L_(2,1)范数的特征选择算法 | 第53-54页 |
| 4.2 基于L_(2,1)范数的鲁棒线性判别分析算法模型 | 第54-55页 |
| 4.3 模型分析 | 第55-59页 |
| 4.3.1 解的分析 | 第55-58页 |
| 4.3.2 算法收敛性分析 | 第58-59页 |
| 4.3.3 复杂度分析 | 第59页 |
| 4.4 实验设计与分析 | 第59-68页 |
| 4.4.1 合成数据可视化实验 | 第59-60页 |
| 4.4.2 UCI数据集实验 | 第60-63页 |
| 4.4.3 人脸数据集实验 | 第63-67页 |
| 4.4.4 讨论 | 第67-68页 |
| 4.5 本章小结 | 第68-70页 |
| 第五章 总结与展望 | 第70-72页 |
| 5.1 本文研究工作及成果 | 第70-71页 |
| 5.2 展望 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 致谢 | 第77-78页 |
| 攻读硕士学位期间发表的学术论文目录 | 第78页 |