| 致谢 | 第1-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-11页 |
| 目录 | 第11-14页 |
| 1 绪论 | 第14-38页 |
| ·课题背景和意义 | 第14-15页 |
| ·人脸表情特点及描述方法 | 第15-16页 |
| ·国内外研究现状 | 第16-34页 |
| ·人脸表情特征提取方法综述 | 第16-30页 |
| ·特征提取方法总结与分析 | 第30-31页 |
| ·人脸表情常用分类方法 | 第31-32页 |
| ·常用人脸表情数据库 | 第32-34页 |
| ·论文主要工作内容与章节安排 | 第34-38页 |
| ·论文研究内容 | 第34-35页 |
| ·论文章节安排 | 第35-38页 |
| 2 流形学习与张量表示方法 | 第38-60页 |
| ·流形学习与图保持准则 | 第38-50页 |
| ·流形与流形学习 | 第38-46页 |
| ·基于图保持准则的流形学习框架 | 第46-50页 |
| ·张量表示算法 | 第50-58页 |
| ·基本张量代数 | 第50-54页 |
| ·基于张量表示的降维算法 | 第54-58页 |
| ·本章内容总结 | 第58-60页 |
| 3 张量子空间模型与正交化张量流形学习算法 | 第60-90页 |
| ·统一的张量子空间模型 | 第60-63页 |
| ·张量投影正交化研究 | 第63-66页 |
| ·向量正交投影算法 | 第63-64页 |
| ·张量投影的正交化 | 第64-66页 |
| ·基于张量正交投影的流形学习算法 | 第66-89页 |
| ·正交张量邻域保持嵌入(OTNPE) | 第66-69页 |
| ·OTNPE算法的实验结果 | 第69-83页 |
| ·正交张量边界费舍尔分析(OTMFA) | 第83-86页 |
| ·OTMFA算法的实验结果 | 第86-88页 |
| ·讨论 | 第88-89页 |
| ·本章内容小结 | 第89-90页 |
| 4 基于图保持的张量秩一分解算法 | 第90-122页 |
| ·张量秩一差分图保持分析算法(TR1DGPA) | 第90-108页 |
| ·背景算法 | 第90-91页 |
| ·TR1DGPA算法的提出及其求解过程 | 第91-95页 |
| ·TR1DGPA算法的分析 | 第95-97页 |
| ·TR1DGPA算法的实验结果 | 第97-108页 |
| ·正交的张量秩一差分图保持投影(OTR1DGPP) | 第108-121页 |
| ·背景算法 | 第108-109页 |
| ·OTR1DGPP算法的提出及其求解过程 | 第109-113页 |
| ·OTR1DGPP算法的收敛性分析 | 第113-115页 |
| ·OTR1DGPP算法的实验结果 | 第115-121页 |
| ·本章内容小结 | 第121-122页 |
| 5 基于图保持的非负张量分解算法 | 第122-146页 |
| ·非负矩阵分解 | 第122-124页 |
| ·非负张量分解 | 第124-127页 |
| ·鉴别的邻域保持非负张量分解算法(DNPNTF) | 第127-136页 |
| ·DNPNTF算法的提出及其求解过程 | 第128-133页 |
| ·DNPNTF算法的收敛性分析 | 第133-135页 |
| ·DNPNTF算法的高阶扩展 | 第135-136页 |
| ·DNPNTF算法的实验结果 | 第136-144页 |
| ·本章内容小结 | 第144-146页 |
| 6 基于张量表示算法的人脸表情识别系统 | 第146-156页 |
| ·系统概述 | 第146-148页 |
| ·系统模块 | 第148-150页 |
| ·系统演示 | 第150-155页 |
| ·本章内容小结 | 第155-156页 |
| 7 结论 | 第156-158页 |
| ·本文研究成果总结 | 第156-157页 |
| ·对未来工作的展望 | 第157-158页 |
| 参考文献 | 第158-168页 |
| 作者简历 | 第168-172页 |
| 学位论文数据集 | 第172页 |