| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究背景及意义 | 第9-10页 |
| ·度量学习概述及其研究现状 | 第10-12页 |
| ·线性度量学习概述 | 第10页 |
| ·线性度量学习研究现状 | 第10-11页 |
| ·流形学习概述 | 第11页 |
| ·流形学习研究现状 | 第11-12页 |
| ·本文主要研究内容 | 第12-13页 |
| ·本文组织结构 | 第13-15页 |
| 第二章 度量学习算法介绍 | 第15-29页 |
| ·线性度量学习算法 | 第15-18页 |
| ·线性鉴别分析(LDA) | 第15页 |
| ·马氏度量学习(MMC) | 第15-16页 |
| ·近邻成分分析(NCA) | 第16页 |
| ·相关成分分析(RCA) | 第16-17页 |
| ·最大边界近邻法(LMNN) | 第17-18页 |
| ·流形学习算法 | 第18-23页 |
| ·等距离映射(ISOMAP) | 第18-19页 |
| ·局部线性嵌入(LLE) | 第19-21页 |
| ·拉普拉斯特征映射(LE) | 第21-22页 |
| ·局部切空间排列算法(LTSA) | 第22-23页 |
| ·流形学习算法仿真实验 | 第23-27页 |
| ·Swiss Roll | 第23-25页 |
| ·Punctured Sphere | 第25-26页 |
| ·3D Clusters | 第26-27页 |
| ·各种算法性能对比 | 第27页 |
| ·实验结果分析 | 第27页 |
| ·本章小结 | 第27-29页 |
| 第三章 基于Log-Gabor滤波与黎曼流形学习的图像识别算法 | 第29-41页 |
| ·引言 | 第29-30页 |
| ·Gabor与Log-Gabor滤波器 | 第30-31页 |
| ·黎曼流形学习 | 第31-33页 |
| ·理论基础 | 第31-32页 |
| ·黎曼流形学习算法 | 第32-33页 |
| ·Log-Gabor+RML算法与参数估计 | 第33-36页 |
| ·实验结果与分析 | 第36-39页 |
| ·人脸图像的分类识别实验 | 第36-38页 |
| ·参数对实验的影响分析 | 第38-39页 |
| ·本章小结 | 第39-41页 |
| 第四章 基于核融合的多信息流形学习算法 | 第41-53页 |
| ·引言 | 第41页 |
| ·谱图流形学习算法与KPCA的等价关系 | 第41-45页 |
| ·KPCA算法 | 第42-43页 |
| ·ISOMAP算法与KPCA | 第43-44页 |
| ·LLE算法与KPCA | 第44页 |
| ·LTSA算法与KPCA | 第44-45页 |
| ·全局局部流形学习算法(GLML) | 第45-47页 |
| ·全局局部流形学习(GLML) | 第45-47页 |
| ·参数估计 | 第47页 |
| ·实验结果与分析 | 第47-52页 |
| ·人工数据集 | 第47-49页 |
| ·人脸图像数据集 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 基于CAM权重距离的局部流形学习算法 | 第53-63页 |
| ·引言 | 第53页 |
| ·CAM权重距离 | 第53-57页 |
| ·CAM分布 | 第54-55页 |
| ·CAM权重距离 | 第55-56页 |
| ·CAM参数估计 | 第56-57页 |
| ·基于CAM权重距离的局部线性嵌入 | 第57-59页 |
| ·算法主要思想 | 第57-58页 |
| ·算法主要步骤 | 第58-59页 |
| ·实验结果 | 第59-62页 |
| ·Swiss Roll | 第60页 |
| ·3D Clusters | 第60-61页 |
| ·健壮性比较 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第六章 主要结论与展望 | 第63-65页 |
| 主要结论 | 第63-64页 |
| 展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第69页 |