| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 引言 | 第15-17页 |
| 1.2 流形学习的提出背景及存在的问题 | 第17-18页 |
| 1.3 本征维数的国内外研究现状 | 第18-20页 |
| 1.4 本文的主要内容及其结构安排 | 第20-23页 |
| 第二章 本征维数估计的主要方法 | 第23-37页 |
| 2.1 引言 | 第23-24页 |
| 2.2 本征维数估计的主要方法 | 第24-33页 |
| 2.2.1 主成分分析方法（PCA） | 第24-26页 |
| 2.2.2 最大似然估计方法（MLE） | 第26-27页 |
| 2.2.3 切割球方法（Incising balls） | 第27-30页 |
| 2.2.4 堆积数方法（Packing numbers） | 第30-33页 |
| 2.3 本征维数估计方法的实验结果分析 | 第33-35页 |
| 2.4 本章小结 | 第35-37页 |
| 第三章 基于最优r-覆盖的堆积数本征维数估计 | 第37-47页 |
| 3.1 引言 | 第37页 |
| 3.2 最小集合覆盖算法 | 第37-39页 |
| 3.3 最优r-覆盖 | 第39-40页 |
| 3.4 基于最优r-覆盖的堆积数本征维数估计 | 第40-42页 |
| 3.5 实验分析 | 第42-45页 |
| 3.6 本章小结 | 第45-47页 |
| 第四章 基于最优r-覆盖堆积数本征维估计的流形学习及其人脸识别应用 | 第47-59页 |
| 4.1 引言 | 第47页 |
| 4.2 基于最优r-覆盖堆积数本征维估计的流形学习 | 第47-52页 |
| 4.3 自适应选择近邻数正交局部保持投影算法 | 第52-54页 |
| 4.4 ORL人脸数据库上的实验和结果分析 | 第54-57页 |
| 4.5 本章小结 | 第57-59页 |
| 第五章 总结和展望 | 第59-61页 |
| 5.1 全文总结 | 第59页 |
| 5.2 今后的工作展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-67页 |
| 作者简介 | 第67-68页 |
