| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-19页 |
| ·研究背景与意义 | 第11-12页 |
| ·人脸识别概述 | 第12-16页 |
| ·人脸识别的概念及一般过程 | 第12-13页 |
| ·人脸识别研究的发展阶段 | 第13-15页 |
| ·人脸识别的主要方法 | 第15-16页 |
| ·本文的主要工作及论文组织 | 第16-19页 |
| ·本文的主要工作 | 第16-17页 |
| ·论文组织 | 第17-19页 |
| 第2章 基于线性子空间的人脸识别 | 第19-31页 |
| ·主成分分析（PCA）方法 | 第19-23页 |
| ·K-L 变换原理 | 第19-21页 |
| ·基于主成分分析的人脸特征提取 | 第21-23页 |
| ·线性判别分析（LDA）方法 | 第23-29页 |
| ·Fisher 线性判别准则 | 第24-26页 |
| ·Fisher 准则在多类问题的推广 | 第26-27页 |
| ·基于线性判别分析的人脸特征提取 | 第27-29页 |
| ·PCA与LDA方法的特点及存在的问题 | 第29-30页 |
| ·特点 | 第29页 |
| ·存在问题 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 二维线性子空间人脸识别方法 | 第31-39页 |
| ·二维主成份分析（2DPCA）方法 | 第31-33页 |
| ·2DPCA 原理 | 第31-32页 |
| ·基于 2DPCA 的人脸识别 | 第32-33页 |
| ·二维线性判别分析（2DLDA）方法 | 第33-36页 |
| ·2DLDA 原理 | 第33-35页 |
| ·基于 2DLDA 的人脸识别 | 第35-36页 |
| ·2DPCA与2DLDA的决策融合 | 第36-38页 |
| ·基于最邻近分类器的融合策略 | 第36-37页 |
| ·基于余弦角度分类器的融合策略 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 二维半监督自学习人脸识别方法 | 第39-46页 |
| ·半监督自学习方法 | 第39-41页 |
| ·半监督学习 | 第39-40页 |
| ·自学习（Self-training）方法 | 第40-41页 |
| ·半监督自学习二维主成份分析（SS2DPCA）方法 | 第41-43页 |
| ·半监督自学习二维线性判别分析（SS2DLDA）方法 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第5章 实验与结果分析 | 第46-55页 |
| ·人脸数据库简介 | 第46-47页 |
| ·融合2DPCA与2DLDA方法实验结果与分析 | 第47-48页 |
| ·SS2DPCA方法实验结果与分析 | 第48-51页 |
| ·SS2DLDA方法实验结果与分析 | 第51-53页 |
| ·本章小结 | 第53-55页 |
| 第6章 总结与展望 | 第55-57页 |
| ·本文总结 | 第55-56页 |
| ·工作展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 攻读硕士学位期间取得的科研成果 | 第62页 |