| 摘要 | 第1-6页 |
| ABSTRACT | 第6-18页 |
| 第一章 绪论 | 第18-28页 |
| ·引言 | 第18-19页 |
| ·研究历史与现状 | 第19-25页 |
| ·CCA 的应用 | 第19-22页 |
| ·CCA 计算方法的改进 | 第22-23页 |
| ·基于CCA 的数学模型 | 第23-25页 |
| ·CCA 研究小结 | 第25页 |
| ·本文主要的研究内容 | 第25-26页 |
| ·本文的内容安排 | 第26-28页 |
| 第二章 典型相关分析（CCA） | 第28-37页 |
| ·引言 | 第28页 |
| ·CCA 问题刻画 | 第28-29页 |
| ·求解算法 | 第29-30页 |
| ·解的性质 | 第30-31页 |
| ·相关与互信息之间的关系 | 第31-33页 |
| ·互信息的定义 | 第31-32页 |
| ·特例：高斯分布情况下的互信息 | 第32页 |
| ·相关与互信息的关系 | 第32-33页 |
| ·与其他多元分析方法的关系 | 第33页 |
| ·核CCA | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 第三章 局部保持的典型相关分析（LPCCA） | 第37-53页 |
| ·引言 | 第37-40页 |
| ·算法的导出 | 第40-42页 |
| ·CCA 优化问题的等价描述形式 | 第40-41页 |
| ·局部保持的CCA 公式的导出 | 第41-42页 |
| ·简化的算法 | 第42-44页 |
| ·实验和分析 | 第44-52页 |
| ·数据可视化实验 | 第44-47页 |
| ·姿态估计实验 | 第47-52页 |
| ·本章小结 | 第52-53页 |
| 第四章 基于样本标号的典型相关单模态识别 | 第53-65页 |
| ·引言 | 第53-54页 |
| ·LDA 简单回顾 | 第54-55页 |
| ·基于类标号的CCA：一个统一描述 | 第55页 |
| ·一些特例 | 第55-59页 |
| ·类标号特例分析 | 第56-57页 |
| ·问题分析与透视 | 第57-59页 |
| ·基于样本标号的CCA | 第59页 |
| ·实验结果 | 第59-63页 |
| ·本章小结 | 第63-65页 |
| 第五章 判别型典型相关分析（DCCA） | 第65-87页 |
| ·引言 | 第65-68页 |
| ·问题刻画 | 第68页 |
| ·类内相关矩阵与类间相关矩阵 | 第68-71页 |
| ·类内相关矩阵的定义 | 第69页 |
| ·类间相关矩阵的定义 | 第69-70页 |
| ·讨论 | 第70-71页 |
| ·主方程的导出 | 第71页 |
| ·DCCA 主方程 | 第71页 |
| ·解的性质 | 第71页 |
| ·DCCA 实验结果 | 第71-77页 |
| ·Toy problem 实验 | 第72页 |
| ·文本分类实验 | 第72-74页 |
| ·手写体识别实验 | 第74页 |
| ·人脸识别实验 | 第74-77页 |
| ·核化的判别型CCA | 第77-80页 |
| ·KDCCA 的导出 | 第77-79页 |
| ·KDCCA 的本质 | 第79-80页 |
| ·KDCCA 实验结果 | 第80-85页 |
| ·Toy problem 实验 | 第80页 |
| ·文本分类实验 | 第80-81页 |
| ·手写体识别实验 | 第81-82页 |
| ·人脸识别实验 | 第82-85页 |
| ·本章小结 | 第85-87页 |
| 第六章 有样本缺失的判别型典型相关分析（DCCAM） | 第87-101页 |
| ·引言 | 第87-88页 |
| ·方法介绍 | 第88-90页 |
| ·问题刻画 | 第88-89页 |
| ·类内相关矩阵 | 第89页 |
| ·类间相关矩阵 | 第89-90页 |
| ·主方程的导出 | 第90页 |
| ·实验结果 | 第90-99页 |
| ·Toy problem 实验 | 第90-91页 |
| ·文本分类实验 | 第91-94页 |
| ·手写体识别实验 | 第94-99页 |
| ·本章小结 | 第99-101页 |
| 第七章 基于相关性度量的伪主成分分析（P-PCA） | 第101-110页 |
| ·引言 | 第101-102页 |
| ·伪主成分分析 | 第102-103页 |
| ·伪主成分分析的推广形式 | 第103-104页 |
| ·伪2DPCA | 第103-104页 |
| ·伪MatPCA | 第104页 |
| ·伪(2D)~2PCA | 第104页 |
| ·实验 | 第104-108页 |
| ·Toy problem 实验 | 第104-105页 |
| ·ORL 数据集 | 第105-106页 |
| ·Yale 数据集 | 第106-107页 |
| ·AR 数据集 | 第107-108页 |
| ·本章小结 | 第108-110页 |
| 第八章 引入类信息的主成分分析（CIPCA） | 第110-115页 |
| ·引言 | 第110页 |
| ·CIPCA 方法介绍 | 第110-112页 |
| ·寻找投影向量 | 第110-111页 |
| ·特征抽取方式 | 第111页 |
| ·分类策略 | 第111-112页 |
| ·实验结果 | 第112-113页 |
| ·数据集 | 第112页 |
| ·结果分析 | 第112-113页 |
| ·本章小结 | 第113-115页 |
| 第九章 结束语 | 第115-118页 |
| ·本文总结 | 第115-117页 |
| ·未来展望 | 第117-118页 |
| 参考文献 | 第118-128页 |
| 致谢 | 第128-129页 |
| 在学期间的研究成果及发表的学术论文 | 第129-130页 |
| 附录 | 第130-135页 |