| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-11页 |
| Contents | 第11-14页 |
| 1 绪论 | 第14-20页 |
| ·引言 | 第14页 |
| ·选题的背景及意义 | 第14-17页 |
| ·本文的主要内容和结构 | 第17-18页 |
| ·本章小结 | 第18-20页 |
| 2 特征提取技术 | 第20-32页 |
| ·特征提取技术概述 | 第20-21页 |
| ·常见的特征提取技术 | 第21-28页 |
| ·主成分分析：PCA | 第22-24页 |
| ·线性判别分析：LDA | 第24-25页 |
| ·局部保持投影：LPP | 第25-28页 |
| ·论文涉及的数据库介绍 | 第28-29页 |
| ·UCI数据库 | 第28页 |
| ·人脸图像数据集 | 第28-29页 |
| ·分类器的选择 | 第29-30页 |
| ·本章小结 | 第30-32页 |
| 3 基于局部子域的最大间距判别分析 | 第32-46页 |
| ·引言 | 第32-33页 |
| ·相关工作 | 第33-34页 |
| ·局部加权均值：LWM | 第33-34页 |
| ·改进的线性判别分析 | 第34页 |
| ·基于局部子域的最大间距判别分析：LBMMC | 第34-39页 |
| ·实验 | 第39-45页 |
| ·人造数据集 | 第39-40页 |
| ·UCI数据集 | 第40-42页 |
| ·人脸数据集 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 4 基于局部加权的非线性特征提取方法 | 第46-62页 |
| ·引言 | 第46-47页 |
| ·相关工作 | 第47-51页 |
| ·核技术 | 第47-49页 |
| ·核主成分分析法：KPCA | 第49-50页 |
| ·核Fisher判别分析：KFDA | 第50-51页 |
| ·基于局部加权的非线性特征提取方法：LWNFE | 第51-54页 |
| ·实验 | 第54-61页 |
| ·人造数据集 | 第55页 |
| ·UCI数据集 | 第55-57页 |
| ·人脸数据集 | 第57-61页 |
| ·本章小结 | 第61-62页 |
| 5 基于矩阵模式的局部子域最大间距判别分析 | 第62-70页 |
| ·引言 | 第62-63页 |
| ·相关工作 | 第63-64页 |
| ·矩阵模式的主成分分析法：MatPCA | 第63页 |
| ·矩阵模式的Fisher线性判别分析：MatFLDA | 第63-64页 |
| ·基于矩阵模式的局部子域最大间距判别分析：Mat-LSMMC | 第64-66页 |
| ·实验 | 第66-69页 |
| ·UCI数据集 | 第66-68页 |
| ·人脸数据集 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 6 基于特征线子空间嵌入的非线性特征提取方法 | 第70-80页 |
| ·引言 | 第70-71页 |
| ·基于特征线子空间嵌入的非线性特征提取方法：NFE-NFL | 第71-74页 |
| ·特征线：NFL | 第71-73页 |
| ·基于特征线子空间嵌入的非线性特征提取方法：NFE-NFL | 第73-74页 |
| ·实验 | 第74-79页 |
| ·UCI数据集 | 第74-75页 |
| ·人脸数据集 | 第75-79页 |
| ·本章小结 | 第79-80页 |
| 7 总结与展望 | 第80-82页 |
| ·总结 | 第80页 |
| ·展望 | 第80-82页 |
| 参考文献 | 第82-88页 |
| 致谢 | 第88-90页 |
| 作者简介及读研期间主要科研成果 | 第90页 |
