| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·本文研究内容 | 第13-14页 |
| ·本文组织结构 | 第14-16页 |
| 第2章 降维理论知识 | 第16-26页 |
| ·降维问题的提出 | 第16页 |
| ·经典降维模型 | 第16-21页 |
| ·线性判别分析 | 第16-18页 |
| ·主成分分析 | 第18页 |
| ·核化的主成分分析 | 第18-19页 |
| ·局部线性嵌入 | 第19-21页 |
| ·拉普拉斯特征映射 | 第21页 |
| ·距离度量 | 第21-22页 |
| ·近邻分类模型 | 第22-24页 |
| ·本章小结 | 第24-26页 |
| 第3章 基于约简空间的最大间隔最近邻距离学习分类算法 | 第26-36页 |
| ·引言 | 第26-27页 |
| ·系统构成 | 第27-31页 |
| ·最近邻链约简 | 第27-29页 |
| ·最大间隔最近邻矩阵学习 | 第29-31页 |
| ·实验仿真 | 第31-34页 |
| ·本章小结 | 第34-36页 |
| 第4章 流形切向空间近邻图的稀疏保持投影算法 | 第36-48页 |
| ·引言 | 第36-37页 |
| ·流形学习 | 第37-40页 |
| ·局部保持投影算法 | 第38-39页 |
| ·稀疏保持投影算法 | 第39页 |
| ·等距映射算法 | 第39-40页 |
| ·基于流形切空间近邻图的稀疏保持投影算法 | 第40-42页 |
| ·实验仿真研究 | 第42-46页 |
| ·Extended Yale B 数据库 | 第42-43页 |
| ·USPS 数据库 | 第43-44页 |
| ·Wine 数据库 | 第44-46页 |
| ·本章小结 | 第46-48页 |
| 第5章 基于稀疏语义编码图像降维算法 | 第48-54页 |
| ·引言 | 第48页 |
| ·矩阵分解相关知识 | 第48-51页 |
| ·稀疏语义编码图像降维 | 第51-52页 |
| ·实验结果 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第60-61页 |
| 致谢 | 第61-62页 |
| 作者简介 | 第62页 |