| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-16页 |
| 1.1 课题研究背景 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 课题研究内容 | 第13-14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 2 预备知识 | 第16-26页 |
| 2.1 信息融合的研究背景，基础理论及主要内容 | 第16-20页 |
| 2.1.1 信息融合的研究背景 | 第16-17页 |
| 2.1.2 信息融合的理论基础 | 第17页 |
| 2.1.3 信息融合的主要内容 | 第17-20页 |
| 2.2 特征融合主要算法介绍 | 第20-24页 |
| 2.3 本章小结 | 第24-26页 |
| 3 基于数据流行结构投影典型相关分析算法的人脸识别 | 第26-43页 |
| 3.1 引言 | 第26-28页 |
| 3.2 局部保持典型相关分析算法 | 第28-30页 |
| 3.3 基于数据流行结构投影典型相关分析算法（GSLPCCA） | 第30-37页 |
| 3.3.1 监督的局部保持典型相关分析（SLPCCA）算法 | 第31-33页 |
| 3.3.2 局部判别近邻嵌入（LDNE）算法 | 第33页 |
| 3.3.3 基于数据流行结构投影典型相关分析算法（GSLPCCA） | 第33-37页 |
| 3.4 实验与结果分析 | 第37-42页 |
| 3.4.1 数据库介绍 | 第37页 |
| 3.4.2 数据库图像预处理 | 第37-39页 |
| 3.4.3 试验方法 | 第39页 |
| 3.4.4 实验结果与分析 | 第39-42页 |
| 3.5 本章小结 | 第42-43页 |
| 4 基于指数降维监督型稀疏保持典型相关分析的人脸识别 | 第43-55页 |
| 4.1 引言 | 第43-44页 |
| 4.2 稀疏保持典型相关分析算法(SPCCA) | 第44-45页 |
| 4.3 基于指数降维的监督型稀疏保持典型相关分析算法 | 第45-49页 |
| 4.3.1 改进型监督稀疏保持投影算法理论 | 第45-48页 |
| 4.3.2 自协方差矩阵的高维小样本情况分析 | 第48-49页 |
| 4.4 实验结果分析 | 第49-53页 |
| 4.5 本章总结 | 第53-55页 |
| 5 总结与展望 | 第55-57页 |
| 5.1 总结 | 第55-56页 |
| 5.2 下一步工作的展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 个人简历在学期间发表的学术论文与研究成果 | 第60-61页 |
| 个人简历 | 第60页 |
| 已发表论文 | 第60页 |
| 参与的科研项目 | 第60-61页 |
| 致谢 | 第61页 |
