非参数边际距离最大化准则及其应用
| 中文摘要 | 第1-9页 |
| 英文摘要 | 第9-11页 |
| 第一章 前言 | 第11-20页 |
| ·特征选择和提取的定义 | 第12-13页 |
| ·特征提取方法简介 | 第13-14页 |
| ·特征提取准则的类型 | 第14-18页 |
| ·非监督特征提取方法 | 第14-17页 |
| ·监督特征提取方法 | 第17-18页 |
| ·本文的主要贡献 | 第18-19页 |
| ·本文组织 | 第19-20页 |
| 第二章 线性特征提取综述 | 第20-30页 |
| ·线性鉴别分析方法 | 第20-21页 |
| ·Fisher准则在实际应用的缺陷 | 第21-22页 |
| ·基于Fisher准则的改进 | 第22-30页 |
| ·对模型假设的改进 | 第22页 |
| ·针对S_w奇异问题的改进 | 第22-25页 |
| ·针对S_b的改进方法 | 第25-28页 |
| ·其它改进方法 | 第28-30页 |
| 第三章 非参数边际距离最大化准则 | 第30-46页 |
| ·引言 | 第30-31页 |
| ·非参数的类间和类内散度矩阵定义 | 第31-32页 |
| ·用最近邻分类来衡量特征提取 | 第32-33页 |
| ·非参数边际距离最大化准则 | 第33-35页 |
| ·图例 | 第35-41页 |
| ·两维数据集 | 第35-37页 |
| ·三维数据集 | 第37-41页 |
| ·维数递减算法 | 第41-42页 |
| ·非参数边际距离最大化准则的扩展 | 第42-43页 |
| ·从k近邻分类的角度来扩展准则 | 第42-43页 |
| ·实验分析 | 第43页 |
| ·分析与讨论 | 第43-46页 |
| 第四章 在人脸识别中的应用 | 第46-57页 |
| ·引言 | 第46-48页 |
| ·人脸识别的优势 | 第47页 |
| ·人脸识别的难点 | 第47-48页 |
| ·人脸识别方法 | 第48页 |
| ·实验描述 | 第48-50页 |
| ·ATT数据集评测 | 第50-52页 |
| ·FERET数据集(1)评测 | 第52页 |
| ·FERET数据集(2)评测 | 第52-56页 |
| ·实验结果分析 | 第56-57页 |
| 第五章 非参数信息边际距离最大化准则 | 第57-72页 |
| ·引言 | 第57-58页 |
| ·信息论基础 | 第58-62页 |
| ·Shannon熵 | 第58页 |
| ·Kullback-Leibler相对熵 | 第58-59页 |
| ·互信息 | 第59页 |
| ·平方熵和二次相对熵 | 第59-61页 |
| ·Parzen窗非参数概率密度估计方法 | 第61-62页 |
| ·互信息最大化准则 | 第62页 |
| ·非参数信息边际距离最大化准则 | 第62-67页 |
| ·非参数信息边际距离的定义 | 第63-64页 |
| ·非参数信息边际距离最大化准则及算法 | 第64-65页 |
| ·图例 | 第65-67页 |
| ·实验与分析 | 第67-72页 |
| 第六章 总结和展望 | 第72-74页 |
| 参考文献 | 第74-82页 |
| 攻读博士期间的主要工作 | 第82-84页 |
| 致谢 | 第84-85页 |
