| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第14-38页 |
| 1.1 流形学习的相关研究内容 | 第16-18页 |
| 1.1.1 流形学习基本概念 | 第16-17页 |
| 1.1.2 流形学习的应用研究领域 | 第17-18页 |
| 1.2 人脸识别方法的研究现状 | 第18-24页 |
| 1.2.1 人脸识别研究的发展概况及难点 | 第19页 |
| 1.2.2 人脸特征提取和分类的主要方法 | 第19-24页 |
| 1.3 子空间学习及其在人脸识别中的研究现状 | 第24-32页 |
| 1.3.1 PCA 及其扩展方法在人脸识别中的研究现状 | 第25-28页 |
| 1.3.2 LDA 及其扩展方法在人脸识别中的研究现状 | 第28-30页 |
| 1.3.3 流形结构保持方法在人脸识别中的研究现状 | 第30-32页 |
| 1.4 本文的主要研究工作 | 第32-36页 |
| 1.5 本文的章节安排 | 第36-38页 |
| 第二章 流形学习理论与算法 | 第38-52页 |
| 2.1 流形学习典型方法 | 第39-48页 |
| 2.1.1 等距映射(ISOMAP) | 第39-41页 |
| 2.1.2 最大方差展开(MVU) | 第41-42页 |
| 2.1.3 局部线性嵌入(LLE) | 第42-45页 |
| 2.1.4 拉普拉斯特征映射(LE) | 第45-47页 |
| 2.1.5 局部切空间排列(LTSA) | 第47-48页 |
| 2.2 流形学习方法的比较 | 第48-49页 |
| 2.3 流形学习方法用于人脸识别需要解决的问题 | 第49-51页 |
| 2.4 本章小结 | 第51-52页 |
| 第三章 图嵌入框架下嵌入邻域关系判别分析 | 第52-76页 |
| 3.1 零空间判别投射(NDPE) | 第54-58页 |
| 3.1.1 局部保持类内散度矩阵的建立 | 第55-57页 |
| 3.1.2 局部保持类间散度矩阵的建立 | 第57页 |
| 3.1.3 零空间判别投射目标函数与算法 | 第57-58页 |
| 3.2 谱回归正交保局判别映射(SROLPDM) | 第58-63页 |
| 3.2.1 改进最大间隔准则(MMMC) | 第59页 |
| 3.2.2 局部保持类内与类间散度矩阵的建立 | 第59-60页 |
| 3.2.3 算法分析与步骤 | 第60-63页 |
| 3.3 双树复小波变换特征表示 | 第63-66页 |
| 3.3.1 双树复小波变换 | 第63-65页 |
| 3.3.2 双树复小波变换特征选择 | 第65-66页 |
| 3.4 融合 DTCWT 和保局判别分析的人脸识别 | 第66-68页 |
| 3.4.1 得分层特征融合 | 第66-67页 |
| 3.4.2 复数零空间特征融合 | 第67-68页 |
| 3.5 实验结果与讨论 | 第68-74页 |
| 3.5.1 在 Yale 数据库上的实验结果 | 第68-71页 |
| 3.5.2 在 AR 数据库上的实验结果 | 第71-72页 |
| 3.5.3 在 PIE 数据库上的实验结果 | 第72-74页 |
| 3.5.4 实验结果讨论 | 第74页 |
| 3.6 本章小结 | 第74-76页 |
| 第四章 片排列框架下保局判别特征提取 | 第76-103页 |
| 4.1 线性改进局部切空间排列(LILTSA) | 第78-80页 |
| 4.2 判别改进局部切空间排列(DILTSA) | 第80-87页 |
| 4.2.1 部分优化 | 第81页 |
| 4.2.2 类内局部几何保持 | 第81-83页 |
| 4.2.3 类间局部几何保持 | 第83页 |
| 4.2.4 全局排列 | 第83-84页 |
| 4.2.5 目标函数与求解 | 第84-85页 |
| 4.2.6 DILTSA 算法步骤 | 第85-87页 |
| 4.3 方法验证 | 第87-88页 |
| 4.4 特征提取与融合 | 第88-92页 |
| 4.4.1 Gabor-like 小波特征提取 | 第88-92页 |
| 4.4.2 特征融合 | 第92页 |
| 4.5 实验结果与讨论 | 第92-101页 |
| 4.5.1 在 ORL 数据库上的实验结果 | 第92-95页 |
| 4.5.2 在 UMIST 数据库上的实验结果 | 第95-97页 |
| 4.5.3 在 Yale 数据库上的实验结果 | 第97-99页 |
| 4.5.4 在 PIE 数据库上的实验结果 | 第99-101页 |
| 4.5.5 实验结果讨论 | 第101页 |
| 4.6 本章小结 | 第101-103页 |
| 第五章 稀疏学习局部与非负保持判别投影 | 第103-121页 |
| 5.1 稀疏局部保持投影(SLPP) | 第105-107页 |
| 5.2 最大间隔稀疏表示判别映射(MSRDM) | 第107-111页 |
| 5.2.1 局部类内稀疏表示 | 第108-109页 |
| 5.2.2 局部类间稀疏表示 | 第109-110页 |
| 5.2.3 目标函数与算法步骤 | 第110-111页 |
| 5.3 判别邻域间隔正则化 NMF | 第111-114页 |
| 5.3.1 非负矩阵分解(NMF) | 第111页 |
| 5.3.2 DNMRNMF 目标函数与算法 | 第111-112页 |
| 5.3.3 收敛性分析 | 第112-114页 |
| 5.4 实验结果与分析 | 第114-120页 |
| 5.4.1 在 ORL 数据库上的实验结果 | 第114-116页 |
| 5.4.2 在 Yale 数据库上的实验结果 | 第116-118页 |
| 5.4.3 在 AR 数据库上的实验结果 | 第118-120页 |
| 5.5 本章小结 | 第120-121页 |
| 第六章 局部保持核非线性判别特征提取 | 第121-142页 |
| 6.1 核方法 | 第123-124页 |
| 6.2 局部样条嵌入(LSE) | 第124-126页 |
| 6.3 正则化核判别局部样条嵌入 | 第126-130页 |
| 6.3.1 局部类内几何结构保持 | 第126-127页 |
| 6.3.2 局部类间切空间排列 | 第127页 |
| 6.3.3 目标函数及算法步骤 | 第127-130页 |
| 6.4 图像集人脸识别 | 第130-133页 |
| 6.4.1 加权局部切空间排列(WLTSA) | 第130-133页 |
| 6.4.2 图像集人脸识别步骤 | 第133页 |
| 6.5 实验结果与分析 | 第133-140页 |
| 6.5.1 在 ORL 数据库上的实验结果 | 第134-135页 |
| 6.5.2 在 FERET 数据库上的实验结果 | 第135-137页 |
| 6.5.3 在 PIE 数据库上的实验结果 | 第137-139页 |
| 6.5.4 在 Honda/UCSD 图像集数据库上的实验结果 | 第139-140页 |
| 6.6 本章小结 | 第140-142页 |
| 第七章 总结与展望 | 第142-146页 |
| 7.1 全文总结 | 第142-145页 |
| 7.2 对未来工作的展望 | 第145-146页 |
| 参考文献 | 第146-158页 |
| 附录 | 第158-160页 |
| 致谢 | 第160-161页 |
| 攻读博士学位期间已发表或录用的论文 | 第161-162页 |
