| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 人脸识别技术的研究现状 | 第10-12页 |
| 1.3 子空间分析及其在人脸识别中的研究现状 | 第12-14页 |
| 1.4 本文的主要研究工作 | 第14-15页 |
| 1.5 本文的章节安排 | 第15-16页 |
| 2 流形学习算法概述 | 第16-29页 |
| 2.1 流形及流形学习理论 | 第16-17页 |
| 2.2 经典流形学习算法 | 第17-25页 |
| 2.2.1 等距映射 (ISOMAP) | 第17-19页 |
| 2.2.2 局部线性嵌入 (LLE) | 第19-20页 |
| 2.2.3 拉普拉斯特征映射 (LE) | 第20-21页 |
| 2.2.4 局部切空间排列 (LTSA) | 第21-23页 |
| 2.2.5 局部保持投影(LPP) | 第23-24页 |
| 2.2.6 邻域保持嵌入 (NPE) | 第24-25页 |
| 2.3 流形学习算法的比较 | 第25-26页 |
| 2.4 流形学习方法用于人脸识别 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 3 融合相关系数的局部保持投影算法 | 第29-38页 |
| 3.1 相关系数 | 第30页 |
| 3.2 融合相关系数的局部保持投影(CCLPP) | 第30-32页 |
| 3.3 实验分析 | 第32-37页 |
| 3.3.1 ORL人脸库实验 | 第32-35页 |
| 3.3.2 Yale人脸库实验 | 第35-37页 |
| 3.4 本章小结 | 第37-38页 |
| 4 基于多邻域保持嵌入算法的人脸识别 | 第38-48页 |
| 4.1 多人脸流形分类框架 | 第38-39页 |
| 4.2 多邻域保持嵌入算法 | 第39-42页 |
| 4.2.1 人脸多流形学习 | 第40页 |
| 4.2.2 组合最优维数确定 | 第40-41页 |
| 4.2.3 基于多人脸流形的分类器 | 第41-42页 |
| 4.3 实验及结果分析 | 第42-46页 |
| 4.3.1 Extended Yale B人脸库实验 | 第43-44页 |
| 4.3.2 CMU PIE人脸库实验 | 第44-46页 |
| 4.4 本章小结 | 第46-48页 |
| 5 总结与展望 | 第48-50页 |
| 5.1 总结 | 第48-49页 |
| 5.2 展望 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 附录 | 第54页 |
| A. 攻读硕士期间发表的论文目录 | 第54页 |