| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文主要工作 | 第10-11页 |
| 1.3.1 研究内容 | 第10页 |
| 1.3.2 结构安排 | 第10-11页 |
| 1.4 本章小结 | 第11-12页 |
| 2 线性判别分析 | 第12-27页 |
| 2.1 概述 | 第12页 |
| 2.2 Fisher线性判别 | 第12-16页 |
| 2.2.1 形式定义 | 第12页 |
| 2.2.2 二分类Fisher线性判别 | 第12-14页 |
| 2.2.3 多分类Fisher线性判别 | 第14-15页 |
| 2.2.4 存在的问题 | 第15-16页 |
| 2.3 基于不同分类器的LDA拓展算法 | 第16-18页 |
| 2.3.1 LDA-SVM | 第16-17页 |
| 2.3.2 LDA-Naive Bayes | 第17页 |
| 2.3.3 LDA-欧氏距离法 | 第17-18页 |
| 2.4 消除奇异矩阵的LDA拓展算法 | 第18-22页 |
| 2.4.1 Fisherface | 第18-19页 |
| 2.4.2 正则化线性判别分析法(RLDA) | 第19页 |
| 2.4.3 直接正则化线性判别分析法(DRLDA) | 第19-21页 |
| 2.4.4 近似线性判别分析法(ALDA) | 第21-22页 |
| 2.5 线性子空间的LDA拓展算法 | 第22-26页 |
| 2.5.1 零空间线性判别分析法(NLDA) | 第22-24页 |
| 2.5.2 直接线性判别分析法(DLDA) | 第24-25页 |
| 2.5.3 两步线性判别分析法(TSLDA) | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 3 改进的两步线性判别分析算法 | 第27-43页 |
| 3.1 概述 | 第27页 |
| 3.2 单特征Fisher信息量 | 第27-28页 |
| 3.3 改进的两步线性判别分析法(Improved TSLDA) | 第28-31页 |
| 3.4 实验与分析 | 第31-41页 |
| 3.4.1 数据库介绍 | 第31-33页 |
| 3.4.2 系数选择 | 第33-37页 |
| 3.4.3 对比实验 | 第37-41页 |
| 3.4.4 实验小结 | 第41页 |
| 3.5 本章小结 | 第41-43页 |
| 4 基于概率方法的随机化线性判别分析法 | 第43-54页 |
| 4.1 概述 | 第43-44页 |
| 4.2 随机输入过程 | 第44页 |
| 4.3 概率生成模型 | 第44-46页 |
| 4.4 基于概率方法的随机化线性判别分析法(PLDA-R) | 第46-49页 |
| 4.5 实验与分析 | 第49-53页 |
| 4.5.1 数据库介绍 | 第49页 |
| 4.5.2 不同样本维度下的PLDA-R | 第49-51页 |
| 4.5.3 不同样本数量下的PLDA-R | 第51-53页 |
| 4.6 本章小结 | 第53-54页 |
| 5 总结与展望 | 第54-57页 |
| 5.1 工作总结 | 第54-55页 |
| 5.2 研究展望 | 第55-57页 |
| 6 参考文献 | 第57-63页 |
| 7 攻读硕士学位期间论文发表情况 | 第63-64页 |
| 8 致谢 | 第64页 |
