| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 注释表 | 第10-11页 |
| 缩略词 | 第11-12页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外研究状况 | 第13-16页 |
| 1.3 本文主要研究工作 | 第16-17页 |
| 1.4 本文的内容安排 | 第17-18页 |
| 第二章 空间结构信息利用策略及其结合有序回归学习的回顾 | 第18-28页 |
| 2.1 空间结构信息利用策略 | 第18-24页 |
| 2.1.1 图像欧氏距离（IMED） | 第18-20页 |
| 2.1.2 子空间光滑学习法（SSSL） | 第20-21页 |
| 2.1.3 双边二维线性判别分析（bil-2DLDA） | 第21-22页 |
| 2.1.4 二维最大局部变化法（2DMLV） | 第22-23页 |
| 2.1.5 支持矩阵机（SMM） | 第23-24页 |
| 2.2 有序回归相关研究 | 第24-26页 |
| 2.2.1 线性有序回归 | 第24-25页 |
| 2.2.2 子空间光滑的线性判别有序回归（SSSL-LDLOR） | 第25页 |
| 2.2.3 双边线性判别有序回归（Bil-LDLOR） | 第25-26页 |
| 2.2.4 子空间光滑的双边线性判别有序回归（SSSL-Bil-LDLOR） | 第26页 |
| 2.3 本章小结 | 第26-28页 |
| 第三章 结合显性与隐性空间光滑的高效二维图像判别特征抽取 | 第28-42页 |
| 3.1 研究背景和动机 | 第28-30页 |
| 3.2 结合显性与隐性空间光滑的二维图像判别特征抽取框架 | 第30-36页 |
| 3.2.1 原始图像显式光滑 | 第30-33页 |
| 3.2.2 图像划分重组 | 第33页 |
| 3.2.3 单边 2DLDA特征抽取 | 第33-34页 |
| 3.2.4 分类 | 第34-36页 |
| 3.2.5 算法复杂度分析 | 第36页 |
| 3.3 实验及结果分析 | 第36-40页 |
| 3.3.1 人脸数据集 | 第37-39页 |
| 3.3.2 手写字母数据集 | 第39-40页 |
| 3.3.3 实验结果分析 | 第40页 |
| 3.4 本章小结 | 第40-42页 |
| 第四章 显式约束的支持矩阵有序回归 | 第42-55页 |
| 4.1 引言 | 第42-44页 |
| 4.2 有序回归学习与经典支持向量有序回归（SVOR） | 第44-45页 |
| 4.3 显式约束的支持矩阵有序回归（EXC-SMOR） | 第45-52页 |
| 4.3.1 符号和相关引理 | 第45-46页 |
| 4.3.2 EXC-SMOR模型建立 | 第46-47页 |
| 4.3.3 EXC-SMOR模型优化算法 | 第47-52页 |
| 4.4 实验结果与分析 | 第52-54页 |
| 4.4.1 实验数据集 | 第52-53页 |
| 4.4.2 实验设置 | 第53页 |
| 4.4.3 实验结果分析 | 第53-54页 |
| 4.5 本章总结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 工作总结 | 第55-56页 |
| 5.2 未来展望 | 第56-57页 |
| 附录 | 第57-58页 |
| 参考文献 | 第58-66页 |
| 致谢 | 第66-68页 |
| 在学期间的研究成果及发表的学术论文 | 第68页 |
