| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 1 绪论 | 第10-23页 |
| ·概述 | 第10-11页 |
| ·子空间特征提取 | 第11-17页 |
| ·主成分分析 | 第11-12页 |
| ·线性鉴别分析 | 第12-14页 |
| ·基于流形学习的方法 | 第14-16页 |
| ·基于稀疏表示的方法 | 第16-17页 |
| ·生物特征识别 | 第17-21页 |
| ·人脸识别 | 第17-19页 |
| ·掌纹识别与手指关节纹识别 | 第19-21页 |
| ·本文研究工作概述 | 第21页 |
| ·本文的内容安排 | 第21-23页 |
| 2 小样本下的线性鉴别分析方法 | 第23-46页 |
| ·引言 | 第23-24页 |
| ·线性鉴别分析(LDA) | 第24页 |
| ·解决LDA小样本问题的方法 | 第24-28页 |
| ·Fisher鉴别分析(FDA) | 第24-25页 |
| ·直接线性鉴别分析(DLDA) | 第25-26页 |
| ·零空间线性鉴别分析(NLDA) | 第26-27页 |
| ·基于广义奇异值分解的线性鉴别分析(LDA/GSVD) | 第27-28页 |
| ·归一化直接线性鉴别分析(NDLDA) | 第28-36页 |
| ·DLDA和FDA的关系 | 第28-30页 |
| ·DLDA的不足 | 第30页 |
| ·NDLDA算法 | 第30-31页 |
| ·实验结果与分析 | 第31-36页 |
| ·修改的零空间线性鉴别分析(MNLDA) | 第36-45页 |
| ·一个温和条件 | 第36-37页 |
| ·NLDA和LDA/GSVD的联系 | 第37-38页 |
| ·MNLDA算法 | 第38-39页 |
| ·MNLDA、LDA/GSVD和NLDA的比较分析 | 第39页 |
| ·实验结果与分析 | 第39-45页 |
| ·本章小结 | 第45-46页 |
| 3 基于流形学习的子空间特征提取方法 | 第46-67页 |
| ·引言 | 第46-47页 |
| ·几种基于流形学习的子空间特征提取算法 | 第47-50页 |
| ·局部保持投影(LPP) | 第47-48页 |
| ·非监督鉴别投影(UDP) | 第48-49页 |
| ·局部鉴别嵌入(LDE) | 第49-50页 |
| ·完备非监督鉴别投影(CUDP) | 第50-56页 |
| ·CUDP基本思想 | 第50-51页 |
| ·CUDP算法 | 第51-52页 |
| ·实验结果与分析 | 第52-56页 |
| ·加权线性嵌入(WLE) | 第56-65页 |
| ·WLE基本思想 | 第57-58页 |
| ·参数的设置方法 | 第58-59页 |
| ·与LDA和LDE的联系 | 第59-60页 |
| ·WLE算法 | 第60页 |
| ·实验结果与分析 | 第60-65页 |
| ·本章小结 | 第65-67页 |
| 4 基于稀疏表示的子空间特征提取方法 | 第67-83页 |
| ·引言 | 第67-68页 |
| ·基于稀疏表示的分类(SRC)和稀疏保持投影(SPP) | 第68-72页 |
| ·稀疏表示 | 第68-69页 |
| ·基于稀疏表示的分类(SRC) | 第69页 |
| ·稀疏保持投影(SPP) | 第69-72页 |
| ·基于核稀疏表示的分类(KSRC)和核稀疏保持投影(KSPP) | 第72-82页 |
| ·核稀疏表示 | 第72-73页 |
| ·基于核稀疏表示的分类(KSRC) | 第73-74页 |
| ·核稀疏保持投影(KSPP) | 第74-77页 |
| ·实验结果与分析 | 第77-82页 |
| ·本章小节 | 第82-83页 |
| 结束语 | 第83-85页 |
| 致谢 | 第85-86页 |
| 参考文献 | 第86-98页 |
| 附录 | 第98页 |
