| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-17页 |
| 1.1 课题研究背景及意义 | 第8-10页 |
| 1.2 主要用于身份鉴别的生物特征描述 | 第10-13页 |
| 1.3 基于子空间特征提取方法概述 | 第13-15页 |
| 1.4 本文工作概述及章节安排 | 第15-17页 |
| 第二章 相关方法介绍 | 第17-28页 |
| 2.1 子空间相关算法 | 第17-20页 |
| 2.1.1 主成分分析算法（PCA） | 第17-18页 |
| 2.1.2 线性鉴别分析方法（LDA） | 第18页 |
| 2.1.3 局部保持映射方法（LPP） | 第18-20页 |
| 2.2 稀疏表示相关技术 | 第20-22页 |
| 2.2.1 图像信号稀疏表示模型 | 第20-21页 |
| 2.2.2 稀疏表示的演化 | 第21-22页 |
| 2.3 流形学习相关技术 | 第22-25页 |
| 2.3.1 流形学习算法的相关分类 | 第22-23页 |
| 2.3.2 局部线性嵌入算法 | 第23-25页 |
| 2.4 核函数相关介绍 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 基于核正交稀疏保留投影方法 | 第28-37页 |
| 3.1 方法基础思路 | 第28页 |
| 3.2 稀疏保留投影算法 | 第28-30页 |
| 3.3 基于核正交稀疏保留投影算法 | 第30-32页 |
| 3.3.1 基于核正交稀疏保留投影算法数学模型 | 第30-31页 |
| 3.3.2 KOSPP算法流程 | 第31-32页 |
| 3.4 实验分析 | 第32-36页 |
| 3.4.1 实验数据库介绍 | 第32-33页 |
| 3.4.2 AR人脸库上实验结果及分析 | 第33-34页 |
| 3.4.3 ORL人脸库上实验结果及分析 | 第34-35页 |
| 3.4.4 FERET人脸库上实验结果及分析 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 基于局部近邻信息融合的稀疏保留投影方法 | 第37-48页 |
| 4.1 方法基础思路 | 第37页 |
| 4.2 流形学习算法 | 第37-41页 |
| 4.2.1 基于局部线性嵌入的流形学习算法（LLE） | 第38-41页 |
| 4.3 基于局部近邻信息融合的稀疏保留投影数学模型 | 第41-43页 |
| 4.3.1 稀疏系数权重矩阵的构造 | 第41页 |
| 4.3.2 局部近邻信息图矩阵构造 | 第41-42页 |
| 4.3.3 算法数学模型构造 | 第42-43页 |
| 4.3.4 算法流程 | 第43页 |
| 4.4 实验分析 | 第43-47页 |
| 4.4.1 AR人脸库上实验结果及分析 | 第43-45页 |
| 4.4.2 ORL人脸库上实验结果及分析 | 第45-46页 |
| 4.4.3 FERET人脸库上实验结果及分析 | 第46-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 基于监督局部近邻信息融合的核正交稀疏保留鉴别 | 第48-58页 |
| 5.1 方法基础思路 | 第48页 |
| 5.2 有监督流形学习算法 | 第48-51页 |
| 5.2.1 边界Fisher分析算法(MFA) | 第49-51页 |
| 5.3 基于监督局部近邻信息融合的核正交稀疏保留鉴别分析 | 第51-53页 |
| 5.3.1 数学模型 | 第51-53页 |
| 5.3.2 算法流程 | 第53页 |
| 5.4 实验分析 | 第53-57页 |
| 5.4.1 AR人脸库上实验结果及分析 | 第53-54页 |
| 5.4.2 ORL人脸库上实验结果及分析 | 第54-55页 |
| 5.4.3 FERET人脸库上实验结果及分析 | 第55-57页 |
| 5.5 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 本文工作总结 | 第58页 |
| 6.2 工作展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第63-64页 |
| 致谢 | 第64页 |
