| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 1 绪论 | 第13-38页 |
| ·课题的背景及意义 | 第13-15页 |
| ·流形学习的数学基础 | 第15-24页 |
| ·流形 | 第16-21页 |
| ·测地线 | 第21-23页 |
| ·Hausdorff 距离 | 第23-24页 |
| ·流形学习的研究背景及动机 | 第24-26页 |
| ·流形学习问题的研究背景 | 第24页 |
| ·流形学习的研究动机 | 第24-26页 |
| ·生物特征识别技术简介 | 第26-34页 |
| ·常用的生物特征识别技术介绍 | 第26-33页 |
| ·评价生物特征识别系统的主要性能指标 | 第33-34页 |
| ·人脸识别的基本原理 | 第34-36页 |
| ·论文组织结构及创新点 | 第36-38页 |
| 2 基于流形学习的人脸识别问题探讨 | 第38-73页 |
| ·流形学习问题 | 第38-49页 |
| ·问题的数学描述 | 第38-39页 |
| ·主要方法及存在问题 | 第39-49页 |
| ·人脸识别问题 | 第49-53页 |
| ·人脸识别的主要方法 | 第49-52页 |
| ·关键问题及发展趋势 | 第52-53页 |
| ·维数约简问题 | 第53-59页 |
| ·问题的提出 | 第53-54页 |
| ·问题的数学描述 | 第54-56页 |
| ·高维数据空间的特殊性 | 第56-59页 |
| ·流形学习与维数约简 | 第59-64页 |
| ·问题的数学描述 | 第59-60页 |
| ·算法的构建及实现 | 第60-61页 |
| ·LLE 算法实例分析 | 第61-64页 |
| ·本征维数估计问题 | 第64-67页 |
| ·概念的认识 | 第64-65页 |
| ·本征维数估计方法 | 第65-67页 |
| ·学习问题 | 第67-73页 |
| ·机器学习问题的数学描述 | 第68页 |
| ·监督学习问题 | 第68-70页 |
| ·非监督学习问题 | 第70-71页 |
| ·半监督学习问题 | 第71-73页 |
| 3 线性流形学习算法比较研究 | 第73-87页 |
| ·主成分分析（PCA） | 第73-75页 |
| ·主成分析的基本原理 | 第73-75页 |
| ·算法流程 | 第75页 |
| ·线性判别分析算法(LDA) | 第75-78页 |
| ·LDA 算法的基本原理 | 第76-77页 |
| ·算法流程 | 第77-78页 |
| ·局部保距投影（LPP） | 第78-79页 |
| ·LPP 算法的基本原理 | 第78-79页 |
| ·LPP 算法流程 | 第79页 |
| ·算法仿真实验及分析评价 | 第79-87页 |
| ·人脸数据库简介 | 第79-80页 |
| ·参数设置及评价指标 | 第80-81页 |
| ·ORL 数据库上的实验结果 | 第81-83页 |
| ·Yale 数据库上的试验结果 | 第83-84页 |
| ·CMU PIE 数据库上的试验结果 | 第84-86页 |
| ·实验结果分析 | 第86-87页 |
| 4 非线性流形学习算法比较研究 | 第87-105页 |
| ·等距映射（Isomap） | 第87-89页 |
| ·基本思路及设计背景 | 第87页 |
| ·算法流程 | 第87-88页 |
| ·算法分析 | 第88-89页 |
| ·局部线性嵌入算法（LLE） | 第89-92页 |
| ·基本思路及设计背景 | 第89-90页 |
| ·算法流程 | 第90-91页 |
| ·算法分析 | 第91-92页 |
| ·Laplacian 特征映射（LE） | 第92-94页 |
| ·基本思路及设计背景 | 第92页 |
| ·算法流程 | 第92-93页 |
| ·算法分析 | 第93-94页 |
| ·局部切空间排列（LTSA） | 第94-96页 |
| ·基本思路及设计背景 | 第94-95页 |
| ·算法流程 | 第95页 |
| ·算法分析 | 第95-96页 |
| ·算法仿真实验及分析评价 | 第96-104页 |
| ·合成数据 | 第96-99页 |
| ·人脸数据 | 第99-103页 |
| ·讨论 | 第103-104页 |
| ·小结 | 第104-105页 |
| 5 监督流形学习算法在人脸识别中的应用研究 | 第105-128页 |
| ·基于Gabor 小波和监督等距映射的人脸识别方法 | 第105-117页 |
| ·Gabor 小波图像特征提取 | 第105-110页 |
| ·S-ISOMAP 算法特征降维 | 第110-113页 |
| ·实验结果及分析 | 第113-117页 |
| ·结论 | 第117页 |
| ·一种新的有监督局部切空间排列算法 | 第117-128页 |
| ·算法介绍 | 第117-119页 |
| ·LTSA+LDA 算法 | 第119-120页 |
| ·实验结果及分析 | 第120-127页 |
| ·结论 | 第127-128页 |
| 6 流形学习扩展算法在人脸识别中的应用研究 | 第128-145页 |
| ·自组织LLE 算法在人脸识别中的应用研究 | 第128-137页 |
| ·自组织LLE 算法（SO-LLE） | 第129-131页 |
| ·自组织线性嵌入算法性能分析 | 第131-135页 |
| ·实验结果及分析 | 第135-136页 |
| ·结论 | 第136-137页 |
| ·基于半监督流形学习的人脸识别算法研究 | 第137-145页 |
| ·监督局部线性嵌入（Supervised –LLE，SLLE） | 第137-139页 |
| ·半监督局部线性嵌入（Semi-supervised LLE ,SS-LLE） | 第139-140页 |
| ·实验结果及分析 | 第140-144页 |
| ·结论 | 第144-145页 |
| 7 总结与展望 | 第145-149页 |
| ·全文工作总结 | 第145-147页 |
| ·论文存在不足及后续研究展望 | 第147-149页 |
| 致谢 | 第149-150页 |
| 参考文献 | 第150-160页 |
| 附录：攻读博士学位期间的科研成果及发表的学术论文 | 第160-163页 |
