| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 目录 | 第9-11页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 课题来源及研究的背景和意义 | 第11-12页 |
| 1.2 国内外的研究现状与展望 | 第12-16页 |
| 1.3 本文的研究内容及章节安排 | 第16-18页 |
| 1.3.1 本文研究的工作及创新点 | 第16-17页 |
| 1.3.2 本文的章节安排 | 第17-18页 |
| 第2章 人脸特征提取相关算法 | 第18-28页 |
| 2.1 主成分分析算法 | 第18-20页 |
| 2.2 线性鉴别分析方法 | 第20-21页 |
| 2.3 核方法基本理论 | 第21-23页 |
| 2.4 局部保持投影算法 | 第23-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 核的正交完备鉴别局部保持投影 | 第28-42页 |
| 3.1 引言 | 第28页 |
| 3.2 完备鉴别局部保持投影 | 第28-30页 |
| 3.3 核的正交完备鉴别局部保持投影 | 第30-35页 |
| 3.3.1 KOCDLPP 算法的基本思想 | 第30-31页 |
| 3.3.2 KOCDLPP 具体理论推导 | 第31-34页 |
| 3.3.3 KOCDLPP 算法的特征提取过程 | 第34-35页 |
| 3.4 实验结果与分析 | 第35-41页 |
| 3.4.1 在 UMIST 人脸库上的实验 | 第36-37页 |
| 3.4.2 在 AT&T 人脸库上的实验 | 第37-39页 |
| 3.4.3 在 JAFFE 人脸表情库上的实验 | 第39-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 基于近邻间隔最大化的鉴别局部保持投影 | 第42-59页 |
| 4.1 引言 | 第42页 |
| 4.2 最大间距准则 | 第42-45页 |
| 4.3 鉴别局部保持投影 | 第45-47页 |
| 4.4 基于近邻间隔最大化的鉴别局部保持投影(NMMDLPP) | 第47-52页 |
| 4.4.1 NMMDLPP 算法的基本思想 | 第47-49页 |
| 4.4.2 NMMDLPP 算法的具体理论推导 | 第49-51页 |
| 4.4.3 NMMDLPP 算法的特征提取过程 | 第51-52页 |
| 4.5 实验结果与分析 | 第52-58页 |
| 4.5.1 在 UMIST 人脸库上的实验 | 第52-54页 |
| 4.5.2 在 Yale 人脸库上的实验 | 第54-56页 |
| 4.5.3 在 JAFFE 人脸表情库上的实验 | 第56-58页 |
| 4.6 本章小结 | 第58-59页 |
| 第5章 基于典型相关分析的核化图嵌入 | 第59-72页 |
| 5.1 引言 | 第59页 |
| 5.2 典型相关分析 | 第59-61页 |
| 5.3 核化图嵌入算法 | 第61-63页 |
| 5.4 基于典型相关分析的核化图嵌入(KGE/CCA) | 第63-68页 |
| 5.4.1 KGE/CCA 算法的基本思想 | 第63-65页 |
| 5.4.2 KGE/CCA 算法的具体理论推导 | 第65-68页 |
| 5.5 实验结果与分析 | 第68-71页 |
| 5.5.1 在 UMIST 人脸库上的实验 | 第68-69页 |
| 5.5.2 在 Yale 人脸库上的实验 | 第69-70页 |
| 5.5.3 在 JAFFE 人脸表情库上的实验 | 第70-71页 |
| 5.6 本章小结 | 第71-72页 |
| 结论 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 攻读硕士学位期间发表的学术论文 | 第78-79页 |
| 致谢 | 第79页 |