| 摘要 | 第1-9页 |
| Abstract | 第9-11页 |
| 1 绪论 | 第11-20页 |
| ·人脸识别背景和意义 | 第11-12页 |
| ·人脸识别的研究现状 | 第12-13页 |
| ·人脸识别的关键问题 | 第13-14页 |
| ·人脸图像特征提取方法 | 第14-17页 |
| ·引言 | 第14-15页 |
| ·人脸图像特征提取方法 | 第15-17页 |
| ·人脸识别的难点 | 第17页 |
| ·本文主要工作概述 | 第17-18页 |
| ·本文内容安排 | 第18-20页 |
| 2 子空间分析方法 | 第20-42页 |
| ·引言 | 第20页 |
| ·子空间分析方法 | 第20-32页 |
| ·线性子空间分析方法 | 第20-25页 |
| ·基于核技术的非线性子空间分析方法 | 第25-32页 |
| ·基于流形学习的非线性子空间分析方法 | 第32页 |
| ·流形学习方法 | 第32-40页 |
| ·流形学习中的一些数学定义 | 第32-34页 |
| ·等距映射(Isometric Mapping) | 第34-36页 |
| ·局部线性嵌入(Locally Linear Embedding，LLE) | 第36-38页 |
| ·拉普拉斯特征映射(Laplacian Eigenmaps，简称 LE) | 第38-40页 |
| ·流形学习中存在的问题 | 第40页 |
| ·本章小结 | 第40-42页 |
| 3 自适应邻域选择的局部判别投影方法 | 第42-52页 |
| ·引言 | 第42页 |
| ·相关算法 | 第42-46页 |
| ·线性判别分析算法(LDA) | 第42-43页 |
| ·局部保持投影算法(Locality Preserving Projection，LPP) | 第43-44页 |
| ·局部 Fisher 判别分析算法(LFDA) | 第44-45页 |
| ·边界 Fisher 判别分析算法(MFA) | 第45-46页 |
| ·自适应邻域选择的局部判别投影方法 | 第46-48页 |
| ·自适应邻域选择算法 | 第46-47页 |
| ·自适应邻域选择的局部判别投影方法 | 第47-48页 |
| ·人脸识别实验 | 第48-51页 |
| ·ORL 库的实验 | 第48-49页 |
| ·YALE 库的实验 | 第49-50页 |
| ·实验分析 | 第50-51页 |
| ·小结 | 第51-52页 |
| 4 基于张量的半监督判别分析方法 | 第52-62页 |
| ·引言 | 第52-53页 |
| ·相关概念 | 第53-55页 |
| ·半监督学习算法 | 第53-54页 |
| ·SDA 算法 | 第54-55页 |
| ·基于张量的半监督判别分析方法 | 第55-57页 |
| ·人脸识别实验 | 第57-60页 |
| ·PIE 人脸库的实验 | 第58-59页 |
| ·FERET 人脸库的实验 | 第59-60页 |
| ·实验分析 | 第60页 |
| ·小结 | 第60-62页 |
| 5 基于鲁棒路径的散度差鉴别投影方法 | 第62-71页 |
| ·引言 | 第62页 |
| ·相关概念 | 第62-65页 |
| ·基于鲁棒路径相似度度量 | 第62-63页 |
| ·无监督鉴别投影(UDP) | 第63-65页 |
| ·基于鲁棒路径的散度差鉴别投影方法 | 第65-67页 |
| ·基于鲁棒路径的散度差鉴别投影方法 | 第65-66页 |
| ·基于鲁棒路径的散度差鉴别投影算法描述 | 第66-67页 |
| ·人脸识别实验 | 第67-69页 |
| ·AR 库的实验 | 第67-68页 |
| ·ORL 人脸库的实验 | 第68-69页 |
| ·实验分析 | 第69页 |
| ·小结 | 第69-71页 |
| 6 总结与展望 | 第71-73页 |
| ·研究总结 | 第71-72页 |
| ·未来工作展望 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 攻读学位期间所发表的学术论文 | 第76-77页 |
| 致谢 | 第77页 |
