| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 第一章 研究背景和本文工作 | 第7-13页 |
| ·特征变换的一般框架 | 第7-8页 |
| ·特征变换与测度学习 | 第8-11页 |
| ·本文的主要工作 | 第11页 |
| ·本文的组织 | 第11-13页 |
| 第二章 特征变换算法比较分析 | 第13-32页 |
| ·标准正交变换(Orthonormal Transformation) | 第13-15页 |
| ·白化变换(Whitening Transformation) | 第15-16页 |
| ·主元分析PCA(Principal Component Analysis) | 第16-20页 |
| ·线性判别分析LDA(Linear Discriminant Analysis) | 第20-26页 |
| ·非参数判别分析NDA(Nonparametric Discriminant Analysis) | 第26-27页 |
| ·近邻元分析NCA(Neighbourhood Components Analysis) | 第27-30页 |
| ·本章小结 | 第30-32页 |
| 第三章 基于邻接图模型的流形学习算法 | 第32-42页 |
| ·局部线性嵌入LLE(Locally Linear Embedding) | 第32-35页 |
| ·LLE算法的扩展 | 第35-38页 |
| ·Laplacian特征映射算法(Laplacian Eigenmap) | 第38-39页 |
| ·Laplacian特征映射算法的扩展 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 判别近邻嵌入算法 | 第42-69页 |
| ·基本思想 | 第42-43页 |
| ·目标函数的优化 | 第43-49页 |
| ·变换后特征空间的距离测度和维数 | 第49-52页 |
| ·实验结果 | 第52-66页 |
| ·分析与讨论 | 第66-68页 |
| ·本章小结 | 第68-69页 |
| 第五章 判别近邻嵌入算法的非线性扩展 | 第69-80页 |
| ·非线性框架下目标函数及其最优化 | 第69-71页 |
| ·投影向量的计算 | 第71-74页 |
| ·核函数的选取 | 第74-75页 |
| ·实验结果 | 第75-79页 |
| ·本章小结 | 第79-80页 |
| 第六章 总结与展望 | 第80-81页 |
| 参考文献 | 第81-87页 |
| 附录:中英文术语对照 | 第87-88页 |
| 攻读博士期间发表的论文 | 第88页 |
| 攻读博士期间获奖情况 | 第88-89页 |
| 致谢 | 第89-90页 |
