| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 发展历史及国内外研究现状 | 第12-15页 |
| 1.2.1 发展历史 | 第12-14页 |
| 1.2.2 国内外研究现状 | 第14-15页 |
| 1.3 非负矩阵分解算法研究现状 | 第15-17页 |
| 1.4 本文研究内容及文章结构 | 第17-18页 |
| 第2章 人脸识别算法概述 | 第18-28页 |
| 2.1 非负矩阵分解（简称 NMF）算法 | 第18-21页 |
| 2.1.1 误差函数及迭代公式 | 第18-20页 |
| 2.1.2 算法流程 | 第20-21页 |
| 2.2 基于主成分分析（简称 PCA）的方法 | 第21-25页 |
| 2.2.1 PCA的目标函数 | 第21-24页 |
| 2.2.2 PCA算法流程 | 第24-25页 |
| 2.3 局部保持投影（简称 LPP）算法 | 第25-27页 |
| 2.3.1 LPP的目标函数 | 第25-26页 |
| 2.3.2 算法流程 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 非负矩阵分解算法的相关介绍 | 第28-38页 |
| 3.1 基于流形的非负矩阵分解算法 | 第28-31页 |
| 3.2 基于最小二乘法的非负矩阵分解算法（ALS） | 第31-33页 |
| 3.3 梯度下降算法 | 第33-34页 |
| 3.4 传统的步长自适应梯度下降非负矩阵分解算法 | 第34-36页 |
| 3.5 本章小结 | 第36-38页 |
| 第4章 图调控步长自适应梯度下降非负矩阵分解算法 | 第38-47页 |
| 4.1 传统的步长自适应梯度下降非负矩阵分解算法 | 第38-43页 |
| 4.2 实验结果及分析 | 第43-47页 |
| 4.2.1 AR数据库实验结果 | 第43-44页 |
| 4.2.2 ORL数据库实验结果 | 第44-45页 |
| 4.2.3 GT数据库实验结果 | 第45-47页 |
| 第5章 总结与展望 | 第47-49页 |
| 5.1 本文工作总结 | 第47-48页 |
| 5.2 展望 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 作者简介及在学期间所取得的科研成果 | 第53-54页 |
| 致谢 | 第54页 |