| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 第一章. 绪论 | 第11-15页 |
| ·模式识别 | 第11-13页 |
| ·模式输入 | 第11-12页 |
| ·图像预处理 | 第12页 |
| ·分割器 | 第12页 |
| ·特征提取 | 第12页 |
| ·分类器 | 第12-13页 |
| ·本文主要研究工作 | 第13-14页 |
| ·本文内容安排 | 第14-15页 |
| 第二章. 常用的特征提取方法 | 第15-22页 |
| ·特征提取 | 第15-16页 |
| ·典型特征提取算法介绍 | 第16-21页 |
| ·主成分分析法（PCA） | 第16-18页 |
| ·F isher 线性判别分析（FLDA）和多重判别分析 | 第18-20页 |
| ·熵准则特征提取方法 | 第20页 |
| ·神经网络特征提取 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第三章. 基于 PCA 的几种非线性扩展 | 第22-33页 |
| ·LPCA | 第22-24页 |
| ·算法提出 | 第22页 |
| ·算法描述 | 第22-24页 |
| ·算法的优势和劣势 | 第24页 |
| ·MPCA | 第24-26页 |
| ·算法提出 | 第24-25页 |
| ·算法描述 | 第25-26页 |
| ·算法的优势与劣势 | 第26页 |
| ·SPPCA | 第26-29页 |
| ·算法提出 | 第26-27页 |
| ·算法描述 | 第27-28页 |
| ·算法的优势和劣势 | 第28-29页 |
| ·AW-SPPCA | 第29-31页 |
| ·算法提出 | 第29页 |
| ·算法描述 | 第29-31页 |
| ·算法的优势和劣势 | 第31页 |
| ·本章小结 | 第31-33页 |
| 第四章. 局部型子模式主成分分析（L-SPPCA） | 第33-42页 |
| ·算法提出 | 第33页 |
| ·算法描述 | 第33-37页 |
| ·图像划分 | 第33-34页 |
| ·子图像集上的局部化 | 第34-36页 |
| ·分类未知图像Q | 第36页 |
| ·算法复杂度分析 | 第36-37页 |
| ·实验分析 | 第37-41页 |
| ·实验数据集 | 第37页 |
| ·实验一 | 第37-38页 |
| ·实验二 | 第38-39页 |
| ·实验三 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第五章. 子模式型的局部保持投影（SPLPP） | 第42-50页 |
| ·LPP 介绍 | 第42-43页 |
| ·算法提出 | 第43页 |
| ·算法描述 | 第43-44页 |
| ·实验分析 | 第44-48页 |
| ·实验一 | 第44-47页 |
| ·实验二 | 第47-48页 |
| ·实验三 | 第48页 |
| ·本章小结 | 第48-50页 |
| 第六章. 总结和展望 | 第50-52页 |
| 致谢 | 第52-53页 |
| 硕士研究生期间已录用或在审的学术论文 | 第53-54页 |
| 参考文献 | 第54-57页 |