| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第14-28页 |
| 1.1 课题研究背景及意义 | 第14-16页 |
| 1.2 基于最小平方误差的特征抽取与分类方法概述 | 第16-21页 |
| 1.2.1 最小平方误差分类方法 | 第16-17页 |
| 1.2.2 基于最小平方误差的特征抽取方法 | 第17-19页 |
| 1.2.3 基于核的非线性最小平方误差特征抽取方法 | 第19-20页 |
| 1.2.4 基于线性表示的分类方法 | 第20-21页 |
| 1.3 本文的主要研究内容 | 第21-23页 |
| 1.4 实验用到的数据库 | 第23-25页 |
| 1.5 本文的组织结构 | 第25-28页 |
| 第2章 局部最小平方误差分类方法 | 第28-39页 |
| 2.1 传统的最小平方误差分类方法 | 第28-30页 |
| 2.1.1 针对多类问题的最小平方误差分类方法 | 第28-29页 |
| 2.1.2 基于核的非线性最小平方误差分类方法 | 第29-30页 |
| 2.2 局部最小平方误差分类方法 | 第30-35页 |
| 2.2.1 局部最小平方误差分类的思想与算法 | 第30-33页 |
| 2.2.2 局部最小平方误差分类方法的合理性 | 第33-35页 |
| 2.3 实验 | 第35-37页 |
| 2.4 小结 | 第37-39页 |
| 第3章 基于最小平方误差的二维特征抽取 | 第39-58页 |
| 3.1 引言 | 第39-41页 |
| 3.2 二维特征抽取方法 | 第41-42页 |
| 3.2.1 二维Fisher鉴别分析方法 | 第41-42页 |
| 3.2.2 二维主成分分析方法 | 第42页 |
| 3.3 基于GABOR特征的多子空间二维主成分分析 | 第42-52页 |
| 3.3.1 Gabor人脸特征 | 第42-44页 |
| 3.3.2 优化的整合Gabor脸表示 | 第44-45页 |
| 3.3.3 改进的双向二维特征抽取方法 | 第45-47页 |
| 3.3.4 对MS2DPCA的理论分析 | 第47-49页 |
| 3.3.5 实验 | 第49-52页 |
| 3.4 多方向的人脸图像二维特征抽取 | 第52-57页 |
| 3.4.1 任意方向的二维主成分分析 | 第52-54页 |
| 3.4.2 基于多方向2DPCA的人脸识别方法 | 第54-55页 |
| 3.4.3 实验 | 第55-57页 |
| 3.5 小结 | 第57-58页 |
| 第4章 改进的线性表示分类模型 | 第58-80页 |
| 4.1 引言 | 第58页 |
| 4.2 线性表示分类方法 | 第58-61页 |
| 4.2.1 稀疏表示分类方法 | 第58-59页 |
| 4.2.2 协同表示分类方法 | 第59-60页 |
| 4.2.3 基于两步表示的稀疏表示分类方法 | 第60-61页 |
| 4.3 非线性稀疏表示分类 | 第61-69页 |
| 4.3.1 特征空间中的稀疏表示分类算法描述 | 第61-63页 |
| 4.3.2 特征空间中的稀疏表示分类算法分析 | 第63-65页 |
| 4.3.3 实验 | 第65-69页 |
| 4.4 融合l_1和l_2范数优化的线性表示分类方法 | 第69-78页 |
| 4.4.1 融合l_1和l_2范数优化的线性表示分类算法 | 第70-71页 |
| 4.4.2 合理性分析 | 第71-73页 |
| 4.4.3 实验 | 第73-78页 |
| 4.5 小结 | 第78-80页 |
| 第5章 线性表示分类的特征抽取 | 第80-102页 |
| 5.1 引言 | 第80-81页 |
| 5.2 类别残差鉴别分析 | 第81-92页 |
| 5.2.1 基于类别残差鉴别分析的LRC | 第83-85页 |
| 5.2.2 基于类别残差鉴别分析的SRC | 第85-86页 |
| 5.2.3 基于类别残差鉴别分析的CRC | 第86-87页 |
| 5.2.4 对CCEDA空间的分析 | 第87-89页 |
| 5.2.5 实验 | 第89-92页 |
| 5.3 快速稀疏表示分类方法 | 第92-100页 |
| 5.3.1 快速稀疏表示分类方法的基本思想与算法 | 第92-96页 |
| 5.3.2 时间复杂度分析 | 第96-98页 |
| 5.3.3 实验 | 第98-100页 |
| 5.4 小结 | 第100-102页 |
| 结论 | 第102-104页 |
| 参考文献 | 第104-115页 |
| 攻读博士学位期间发表的论文及其它成果 | 第115-119页 |
| 致谢 | 第119-120页 |
| 个人简历 | 第120页 |
