| 中文摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-18页 |
| ·研究背景和意义 | 第11-12页 |
| ·国内外研究现状及分析 | 第12-14页 |
| ·主要研究内容 | 第14-16页 |
| ·论文组织 | 第16-18页 |
| 第2章 数据降维方法介绍 | 第18-28页 |
| ·数据降维的研究背景 | 第18-19页 |
| ·常用降维方法介绍 | 第19-27页 |
| ·主成分分析 | 第19-20页 |
| ·线性判别分析 | 第20-23页 |
| ·多维尺度变换 | 第23-27页 |
| ·核主成分分析 | 第27页 |
| ·本章小结 | 第27-28页 |
| 第3章 人脸识别中基于LDA的特征提取方法研究 | 第28-46页 |
| ·人脸识别系统框架 | 第28-29页 |
| ·离散度矩阵与奇异值分解定理 | 第29-30页 |
| ·基于PCA的人脸特征提取 | 第30-32页 |
| ·基于LDA的人脸特征提取 | 第32-33页 |
| ·LDA与PCA的比较及其存在的问题 | 第33-34页 |
| ·LDA与PCA的比较 | 第33页 |
| ·存在问题 | 第33-34页 |
| ·基于LDA的扩展方法比较 | 第34-44页 |
| ·PCA+LDA方法 | 第34-36页 |
| ·D-LDA方法 | 第36-38页 |
| ·R-LDA方法 | 第38页 |
| ·零空间LDA | 第38-39页 |
| ·正交LDA（O-LDA）和不相关LDA（U-LDA） | 第39-40页 |
| ·二维LDA（2D-LDA） | 第40-42页 |
| ·核LDA | 第42-43页 |
| ·张量LDA | 第43-44页 |
| ·本章小结 | 第44-46页 |
| 第4章 一种改进的LDA特征提取方法 | 第46-51页 |
| ·改进的样本类间离散度矩阵 | 第46-47页 |
| ·改进的样本类内离散度矩阵 | 第47-48页 |
| ·改进的Fisher判别准则函数 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 实验及结果分析 | 第51-68页 |
| ·分类准则简介 | 第51-52页 |
| ·人脸数据库简介 | 第52-54页 |
| ·ORL人脸数据库 | 第52-53页 |
| ·YALE人脸数据库 | 第53页 |
| ·FERET人脸数据库 | 第53-54页 |
| ·LDA及其扩展方法的实验与分析 | 第54-62页 |
| ·MLDA算法的实验与分析 | 第62-66页 |
| ·本章小结 | 第66-68页 |
| 第6章 总结与展望 | 第68-70页 |
| ·本文总结 | 第68-69页 |
| ·工作展望 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73-74页 |
| 攻读学位期间取得的科研成果 | 第74页 |