| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 课题研究背景 | 第8-9页 |
| 1.2 多视图分析的研究现状 | 第9-12页 |
| 1.2.1 协同训练方法 | 第9-10页 |
| 1.2.2 基于共享空间的子空间学习方法 | 第10-11页 |
| 1.2.3 其余的多视图识别算法 | 第11-12页 |
| 1.3 本文主要工作概述 | 第12-13页 |
| 1.4 本文内容章节安排 | 第13-15页 |
| 第二章 相关知识介绍 | 第15-25页 |
| 2.1 基于共享空间的多视图方法 | 第15-20页 |
| 2.1.1 典型相关性分析（CCA） | 第15-16页 |
| 2.1.2 典型鉴别相关性分析（DCCA） | 第16-17页 |
| 2.1.3 核典型鉴别相关性分析（KDCCA） | 第17页 |
| 2.1.4 鉴别的多视图典型相关性分析（MDCCA） | 第17-18页 |
| 2.1.5 双重鉴别分析（I2SCA） | 第18页 |
| 2.1.6 多视图鉴别分析（MvDA） | 第18-20页 |
| 2.2 其余的多视图识别算法 | 第20-22页 |
| 2.2.1 基于多视图的字典学习算法 | 第20-21页 |
| 2.2.2 基于多视图的迁移学习算法 | 第21-22页 |
| 2.3 稀疏表示相关技术 | 第22-25页 |
| 2.3.1 稀疏表示 | 第22-23页 |
| 2.3.2 稀疏表示分类器（SRC） | 第23页 |
| 2.3.3 稀疏嵌入技术（SE） | 第23-25页 |
| 第三章 多视图稀疏嵌入分析 | 第25-32页 |
| 3.1 多视图稀疏嵌入分析的基本思想 | 第25-26页 |
| 3.2 多视图稀疏嵌入分析的数学模型（MvSEA） | 第26-28页 |
| 3.3 多视图稀疏嵌入模型的优化求解 | 第28-29页 |
| 3.4 多视图稀疏嵌入模型的分类方法 | 第29-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第四章 改进的多视图稀疏嵌入分析 | 第32-39页 |
| 4.1 改进的多视图稀疏嵌入分析的基本思想 | 第32页 |
| 4.2 改进的多视图稀疏嵌入分析的数学模型(EMvSEA) | 第32-33页 |
| 4.3 改进型MvSEA模型的优化求解 | 第33-38页 |
| 4.4 本章小结 | 第38-39页 |
| 第五章 多视图核稀疏嵌入分析 | 第39-46页 |
| 5.1 多视图核稀疏嵌入分析的基本思想 | 第39-40页 |
| 5.2 多视图核稀疏嵌入分析的数学模型 | 第40-43页 |
| 5.3 多视图核稀疏嵌入的优化算法 | 第43-45页 |
| 5.4 本章小结 | 第45-46页 |
| 第六章 实验结果 | 第46-65页 |
| 6.1 多特征集数据库（MFD） | 第46-51页 |
| 6.1.1 MFD库介绍及实验设置 | 第46-47页 |
| 6.1.2 MFD数据库上的实验结果及分析 | 第47-51页 |
| 6.2 Multi-PIE人脸库的实验 | 第51-56页 |
| 6.2.1 Multi-PIE人脸库的介绍及实验设置 | 第51-52页 |
| 6.2.2 Multi-PIE人脸库的实验结果 | 第52-56页 |
| 6.3 PolyU多光谱掌纹库的实验 | 第56-63页 |
| 6.3.1 PolyU多光谱掌纹库的介绍及实验设置 | 第56页 |
| 6.3.2 PolyU多光谱掌纹库上的实验结果及分析 | 第56-63页 |
| 6.4 本章小结 | 第63-65页 |
| 第七章 总结与展望 | 第65-67页 |
| 7.1 本文工作总结 | 第65-66页 |
| 7.2 进一步研究展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第71-72页 |
| 致谢 | 第72页 |
