| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 1 绪论 | 第9-25页 |
| ·研究背景 | 第9-10页 |
| ·流形学习建模现状 | 第10-14页 |
| ·稀疏表示建模现状 | 第14-21页 |
| ·贪婪理论 (Greedy Methods) | 第15-17页 |
| ·凸松弛理论 (Convex Relaxation Methods) | 第17-21页 |
| ·研究的意义 | 第21页 |
| ·论文的研究内容与组织结构 | 第21-25页 |
| ·本文研究内容 | 第21-22页 |
| ·本文组织结构 | 第22-25页 |
| 2 流形学习与建模 | 第25-41页 |
| ·引言 | 第25-28页 |
| ·流形学习概述 | 第25-26页 |
| ·降维方法综述 | 第26-28页 |
| ·流形学习与图嵌入 | 第28-31页 |
| ·局部线性嵌入(LLE) | 第28-29页 |
| ·等距映射(ISOMAP) | 第29-30页 |
| ·拉普拉斯特征映射(Laplacian Eigenmap) | 第30页 |
| ·图嵌入(GE) | 第30-31页 |
| ·图嵌入线性扩展(LGE) | 第31-38页 |
| ·线性鉴别分析(LDA) | 第32-33页 |
| ·保局投影算法(LPP)及其改进版 ILPP | 第33-34页 |
| ·局部敏感鉴别分析(LSDA) | 第34-36页 |
| ·核图嵌入模型(KGE) | 第36-38页 |
| ·稀疏建模分析 | 第38-39页 |
| ·建模五步法 | 第39页 |
| ·本章小结 | 第39-41页 |
| 3 不相关有鉴别图嵌入模型(UDGE) | 第41-55页 |
| ·引言 | 第41页 |
| ·理论准备 | 第41-42页 |
| ·不相关有鉴别变换原理 | 第41-42页 |
| ·局部尺度变化理论 | 第42页 |
| ·不相关有鉴别图嵌入模型 | 第42-45页 |
| ·模型设计 | 第42-44页 |
| ·UDGE 建模 | 第44-45页 |
| ·实验与结果分析 | 第45-52页 |
| ·数据准备 | 第45-46页 |
| ·Extended Yale B 与 PIE 人脸数据库实验 | 第46-50页 |
| ·Indian face 数据库实验 | 第50-51页 |
| ·讨论 | 第51-52页 |
| ·本章小结 | 第52-55页 |
| 4 稀疏表示模型 | 第55-75页 |
| ·引言 | 第55-57页 |
| ·唯一性与稳定性证明理论 | 第57-58页 |
| ·贪婪理论(Greedy Methods) | 第58-64页 |
| ·正交匹配追踪算法(OMP) | 第59-61页 |
| ·共轭梯度法(CG) | 第61-63页 |
| ·压缩采样匹配追踪算法(CoSaMP) | 第63-64页 |
| ·贪婪算法的优缺点 | 第64页 |
| ·凸松弛理论(Convex Relaxation Methods) | 第64-70页 |
| ·内点理论(Interior point Method) | 第65-66页 |
| ·活跃集理论(Active set Method) | 第66-69页 |
| ·坐标下降理论(Coordinate Descent Method) | 第69-70页 |
| ·贪婪算法与凸松弛算法的关系 | 第70-71页 |
| ·流形模型与稀疏表示模型的联系与区别 | 第71-72页 |
| ·本章小结 | 第72-75页 |
| 5 稀疏表示快速模型(FSRM) | 第75-87页 |
| ·引言 | 第75-76页 |
| ·稀疏表示 | 第76-78页 |
| ·解决线性逆问题 | 第76-77页 |
| ·理论准备 | 第77-78页 |
| ·稀疏表示快速模型 | 第78-83页 |
| ·RIP 证明 | 第79-80页 |
| ·算法流程分析 | 第80-81页 |
| ·FSRM 建模 | 第81-82页 |
| ·时间与空间复杂度分析 | 第82-83页 |
| ·实验与结果分析 | 第83-85页 |
| ·Extended Yale B 人脸数据库实验 | 第83-84页 |
| ·PolyU palmprint 数据库实验 | 第84-85页 |
| ·本章小结 | 第85-87页 |
| 6 总结与展望 | 第87-91页 |
| 致谢 | 第91-93页 |
| 参考文献 | 第93-105页 |
| 附录 | 第105页 |
| A. 作者在攻读学位期间发表的论文目录 | 第105页 |
| B. 作者在攻读学位期间参与的科研成果目录 | 第105页 |
