基于流形学习的数据降维方法及其在人脸识别中的应用
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-20页 |
| ·研究背景 | 第10-12页 |
| ·流形学习 | 第12-18页 |
| ·基本概念 | 第12-13页 |
| ·流形学习的定义 | 第13-14页 |
| ·流形学习的基本问题 | 第14页 |
| ·流形学习的研究进展 | 第14-17页 |
| ·流形学习的应用 | 第17-18页 |
| ·本文主要工作和组织结构 | 第18-20页 |
| 第二章 降维算法简介 | 第20-39页 |
| ·线性方法 | 第20-26页 |
| ·主成分分析 | 第20-22页 |
| ·多维尺度变换 | 第22-23页 |
| ·Fisher 线性判别分析 | 第23-24页 |
| ·非负矩阵分解 | 第24-26页 |
| ·流形学习方法 | 第26-35页 |
| ·等距映射 | 第26-28页 |
| ·局部线性嵌入 | 第28-31页 |
| ·拉普拉斯特征映射 | 第31-33页 |
| ·局部切空间排列 | 第33-34页 |
| ·最大方差展开 | 第34-35页 |
| ·降维算法在人脸识别中的应用 | 第35-39页 |
| ·人脸识别简介 | 第35-36页 |
| ·基于子空间的人脸识别 | 第36-39页 |
| 第三章 基于低维坐标排列的流形学习 | 第39-60页 |
| ·流形分解 | 第40-43页 |
| ·构建最大线性贴片 | 第40-42页 |
| ·最小集覆盖 | 第42-43页 |
| ·局部低维坐标排列 | 第43-46页 |
| ·局部主成分分析 | 第43-44页 |
| ·坐标排列 | 第44-46页 |
| ·实验结果 | 第46-49页 |
| ·有监督扩展 | 第49-51页 |
| ·最大间隔准则 | 第49-50页 |
| ·有监督坐标排列算法 | 第50-51页 |
| ·实验结果 | 第51-59页 |
| ·ORL 数据库 | 第51-55页 |
| ·Yale 数据库 | 第55-56页 |
| ·CMU PIE 数据库 | 第56-58页 |
| ·结果分析 | 第58-59页 |
| ·小结 | 第59-60页 |
| 第四章 自适应加权的子模式局部保持投影 | 第60-76页 |
| ·基于子模式的人脸识别 | 第61-62页 |
| ·自适应加权子模式LPP | 第62-67页 |
| ·人脸图像划分 | 第62-63页 |
| ·子模式LPP 和权值计算 | 第63-66页 |
| ·分类 | 第66-67页 |
| ·计算复杂度分析 | 第67页 |
| ·实验结果 | 第67-75页 |
| ·Yale 数据库 | 第67-71页 |
| ·Extended YaleB 数据库 | 第71-73页 |
| ·CMU PIE 数据库 | 第73-75页 |
| ·小结 | 第75-76页 |
| 第五章 结构保持投影算法 | 第76-91页 |
| ·结构保持投影 | 第77-83页 |
| ·人脸图像划分 | 第77-78页 |
| ·SPP 算法 | 第78-82页 |
| ·分类 | 第82-83页 |
| ·实验结果 | 第83-90页 |
| ·Yale 数据库 | 第83-86页 |
| ·Extended YaleB 数据库 | 第86-88页 |
| ·CMU PIE 数据库 | 第88-90页 |
| ·讨论 | 第90页 |
| ·小结 | 第90-91页 |
| 第六章 总结与展望 | 第91-94页 |
| ·全文工作总结 | 第91-92页 |
| ·未来展望 | 第92-94页 |
| 参考文献 | 第94-103页 |
| 致谢 | 第103-104页 |
| 在学期间公开发表论文及著作情况 | 第104页 |
