| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第13-18页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 本文的工作安排 | 第16-18页 |
| 第二章 相关线性降维方法 | 第18-32页 |
| 2.1 基于一维的经典线性降维方法 | 第18-21页 |
| 2.1.1 主成分分析(PCA) | 第18-19页 |
| 2.1.2 线性判别分析(LDA) | 第19-20页 |
| 2.1.3 最大间距准则(MMC) | 第20-21页 |
| 2.2 基于二维的经典线性降维方法 | 第21-23页 |
| 2.2.1 二维主成分分析(2DPCA) | 第21-22页 |
| 2.2.2 二维线性判别分析(2DLDA) | 第22-23页 |
| 2.3 基于L1-范数的线性降维方法 | 第23-28页 |
| 2.3.1 基于L1-范数的主成分分析(PCA-L1) | 第23-25页 |
| 2.3.2 基于L1-范数的线性判别分析(LDA-L1) | 第25-27页 |
| 2.3.3 基于L1-范数的二维线性判别分析(2DLDA-L1) | 第27-28页 |
| 2.4 基于加权的线性判别分析(ILDA) | 第28页 |
| 2.5 基于L1-范数的非贪婪线性判别分析(NLDA-L1) | 第28-30页 |
| 2.6 最大最小线性判别分析(MMLDA) | 第30-31页 |
| 2.7 本章小结 | 第31-32页 |
| 第三章 基于L-范数的二维加权最大间距准则 | 第32-47页 |
| 3.1 问题建模 | 第33-34页 |
| 3.2 2DWMMC-L1单个投影方向 | 第34页 |
| 3.3 算法收敛性证明 | 第34-37页 |
| 3.4 2DWMMC-L1多个投影方向 | 第37-39页 |
| 3.5 实验结果及分析 | 第39-46页 |
| 3.5.1 数据库简介 | 第39-40页 |
| 3.5.2 Extended Yale B数据库 | 第40-41页 |
| 3.5.3 PIE数据库 | 第41-42页 |
| 3.5.4 ORL数据库 | 第42-43页 |
| 3.5.5 AR数据库 | 第43-45页 |
| 3.5.6 FERET数据库 | 第45-46页 |
| 3.6 本章小结 | 第46-47页 |
| 第四章 基于L1-范数的二维非贪婪加权最大间距准则 | 第47-59页 |
| 4.1 基于L1-范数的二维加权最大间距准则(2DWMMC-L1) | 第47-49页 |
| 4.1.1 基于L1-范数的二维最大间距准则(2DMMC-L1) | 第47-48页 |
| 4.1.2 基于L1-范数的二维加权最大间距准则(2DWMMC-L1) | 第48-49页 |
| 4.2 非贪婪优化求解算法 | 第49-52页 |
| 4.3 算法收敛性证明 | 第52-53页 |
| 4.4 实验结果及分析 | 第53-58页 |
| 4.4.1 数据库简介 | 第53页 |
| 4.4.2 PIE数据库 | 第53-54页 |
| 4.4.3 AR数据库 | 第54-55页 |
| 4.4.4 FERET数据库 | 第55-56页 |
| 4.4.5 ORL数据库 | 第56-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 基于L1-范数的非贪婪最大最小间距准则 | 第59-74页 |
| 5.1 问题建模 | 第60页 |
| 5.2 算法求解以及收敛性证明 | 第60-64页 |
| 5.3 基于L1-范数的二维非贪婪最大最小间距准则 | 第64-66页 |
| 5.4 实验结果及分析 | 第66-73页 |
| 5.4.1 数据库简介 | 第67页 |
| 5.4.2 AR数据库 | 第67-68页 |
| 5.4.3 Extended YaleB数据库 | 第68-69页 |
| 5.4.4 ORL数据库 | 第69-71页 |
| 5.4.5 UCI数据库 | 第71-72页 |
| 5.4.6 FERET数据库 | 第72-73页 |
| 5.5 本章小结 | 第73-74页 |
| 第六章 总结与展望 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80-81页 |
| 攻读硕士学位期间发表的学术论文以及参与的科研项目 | 第81页 |
