| 主要符号说明 | 第4-5页 |
| 主要英文简写说明 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第10-21页 |
| 1.1 模式识别概述 | 第10-11页 |
| 1.2 维数灾难 | 第11-12页 |
| 1.3 降维方法 | 第12-13页 |
| 1.4 典型降维方法介绍 | 第13-16页 |
| 1.4.1 线性降维方法 | 第13-14页 |
| 1.4.2 非线性降维方法 | 第14-16页 |
| 1.5 Fisher线性判别分析的研究现状 | 第16-19页 |
| 1.6 本文的主要研究工作及贡献 | 第19-20页 |
| 1.7 论文的结构安排 | 第20-21页 |
| 第2章 L_1度量下的Fisher线性判别分析 | 第21-32页 |
| 2.1 传统的Fisher线性判别分析 | 第21-22页 |
| 2.2 L_1度量下的Fisher线性判别分析 | 第22-26页 |
| 2.2.1 模型的建立 | 第22-23页 |
| 2.2.2 模型的求解 | 第23-26页 |
| 2.3 实验结果与分析 | 第26-31页 |
| 2.3.1 数据描述与实验设置 | 第26-27页 |
| 2.3.2 在原始数据上的实验对比 | 第27-29页 |
| 2.3.3 在添加噪声数据上的实验对比 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 L_1度量下的核Fisher判别分析 | 第32-47页 |
| 3.1 核方法简介 | 第32-34页 |
| 3.2 传统的核Fisher判别分析 | 第34-37页 |
| 3.3 传统的KFDA中小样本问题的处理 | 第37页 |
| 3.4 L_1度量下的核Fisher判别分析 | 第37-40页 |
| 3.5 实验与分析 | 第40-46页 |
| 实验一：KFDA_L_1、KFDA和FLDA三种方法特征提取的可视化对比 | 第40-44页 |
| 实验二：KFDA_L_1、KFDA和FLDA三种方法用于分类实验的对比 | 第44-46页 |
| 3.6 本章小结 | 第46-47页 |
| 第4章 总结与展望 | 第47-49页 |
| 参考文献 | 第49-52页 |
| 攻读学位期间发表的学术论文和研究成果 | 第52-53页 |
| 致谢 | 第53页 |