| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-12页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究目标 | 第10页 |
| 1.3 研究意义 | 第10页 |
| 1.4 论文结构及章节安排 | 第10-12页 |
| 第2章 度量学习方法研究现状 | 第12-29页 |
| 2.1 引言 | 第12页 |
| 2.2 度量学习方法研究现状 | 第12-16页 |
| 2.3 线性度量学习算法 | 第16-21页 |
| 2.3.1 基本概念及方法 | 第17-18页 |
| 2.3.2 Xing方法 | 第18-19页 |
| 2.3.3 ITML | 第19-20页 |
| 2.3.4 LMNN | 第20-21页 |
| 2.4 非线性度量学习 | 第21-28页 |
| 2.4.1 当前现状 | 第21-22页 |
| 2.4.2 核方法 | 第22-24页 |
| 2.4.3 χ2-LMNN算法 | 第24-25页 |
| 2.4.4 GB-LMNN算法 | 第25-28页 |
| 2.5 小结 | 第28-29页 |
| 第3章 基于非线性距离的度量学习算法框架 | 第29-38页 |
| 3.1 引言 | 第29页 |
| 3.2 前人相关方法分析 | 第29-30页 |
| 3.2.1 LDML算法[8] | 第29页 |
| 3.2.2 cosine度量学习算法[7] | 第29-30页 |
| 3.3 基于非线性距离的度量学习框架 | 第30-34页 |
| 3.3.1 基于线性感知机的度量学习算法 | 第31-32页 |
| 3.3.2 Sigmoid度量学习算法（SigmoidML） | 第32-34页 |
| 3.4 实验及分析 | 第34-36页 |
| 3.4.1 数据集，实验的建立和特征 | 第34页 |
| 3.4.2 性能对比与分析——人脸鉴别实验 | 第34-35页 |
| 3.4.3 性能对比与分析——分类实验 | 第35-36页 |
| 3.5 小结 | 第36-38页 |
| 第4章 基于测地线距离的非线性度量学习算法 | 第38-47页 |
| 4.1 引言 | 第38页 |
| 4.2 理论分析 | 第38-39页 |
| 4.3 算法 | 第39-42页 |
| 4.4 实验及分析 | 第42-45页 |
| 4.4.1 分类实验 | 第42-43页 |
| 4.4.2 鉴别实验 | 第43-45页 |
| 4.5 小结 | 第45-47页 |
| 第5章 总结与展望 | 第47-49页 |
| 5.1 本文工作总结 | 第47页 |
| 5.2 未来工作展望 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 攻读学位期间发表论文与研究成果清单 | 第53-54页 |
| 致谢 | 第54页 |