| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 研究现状与发展趋势 | 第12-15页 |
| 1.3 本文的主要研究内容 | 第15-16页 |
| 1.3.1 基于稀疏平均边界图的局部保持投影方法研究 | 第15页 |
| 1.3.2 基于弧长距离的线性判别分析方法研究 | 第15-16页 |
| 1.3.3 基于核的全局与局部融合降维方法研究 | 第16页 |
| 1.4 常用数据库介绍 | 第16-17页 |
| 1.5 本文的章节安排 | 第17-18页 |
| 第2章 相关技术简介 | 第18-27页 |
| 2.1 图嵌入框架 | 第18-19页 |
| 2.2 核函数 | 第19页 |
| 2.3 人脸识别 | 第19-21页 |
| 2.4 主成分分析 | 第21-23页 |
| 2.5 线性判别分析 | 第23-24页 |
| 2.6 局部线性嵌入 | 第24-25页 |
| 2.7 拉普拉斯特征映射 | 第25-26页 |
| 2.8 本章小结 | 第26-27页 |
| 第3章 基于图嵌入框架的局部降维 | 第27-38页 |
| 3.1 引言 | 第27页 |
| 3.2 局部保持投影 | 第27-28页 |
| 3.3 稀疏表示 | 第28-29页 |
| 3.4 稀疏保持投影 | 第29-30页 |
| 3.5 基于稀疏平均边界图的局部保持投影 | 第30-31页 |
| 3.6 实验结果及分析 | 第31-37页 |
| 3.7 本章小结 | 第37-38页 |
| 第4章 基于距离度量的全局降维 | 第38-47页 |
| 4.1 引言 | 第38-39页 |
| 4.2 基于曼哈顿距离的线性判别分析 | 第39-40页 |
| 4.3 基于弧长距离的线性判别分析 | 第40-41页 |
| 4.4 实验结果及分析 | 第41-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第5章 基于核的全局与局部融合降维 | 第47-59页 |
| 5.1 引言 | 第47-48页 |
| 5.2 核主成分分析 | 第48-49页 |
| 5.3 核线性判别分析 | 第49-50页 |
| 5.4 核线性判别分析与局部保持投影的融合降维 | 第50-51页 |
| 5.5 实验结果及分析 | 第51-58页 |
| 5.5.1 核函数及参数变化对识别率的影响 | 第52-53页 |
| 5.5.2 样本个数对识别率的影响 | 第53-55页 |
| 5.5.3 样本维度对识别率的影响 | 第55-57页 |
| 5.5.4 噪声对识别率的影响 | 第57-58页 |
| 5.6 本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第65-66页 |
| 致谢 | 第66页 |