| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9页 |
| 1.2 人脸识别研究现状 | 第9-11页 |
| 1.3 流形学习 | 第11-12页 |
| 1.4 本文的研究内容及结构安排 | 第12-15页 |
| 2 基于流形的降维方法 | 第15-29页 |
| 2.1 引言 | 第15页 |
| 2.2 线性降维算法 | 第15-21页 |
| 2.2.1 主成分分析 | 第15-19页 |
| 2.2.2 多维尺度分析 | 第19-21页 |
| 2.3 非线性降维算法 | 第21-26页 |
| 2.3.1 拉普拉斯特征映射 | 第21-22页 |
| 2.3.2 局部切空间排列 | 第22-24页 |
| 2.3.3 等距映射 | 第24-26页 |
| 2.4 本章小结 | 第26-29页 |
| 3 基于聚类的监督局部线性嵌入算法 | 第29-47页 |
| 3.1 引言 | 第29-30页 |
| 3.2 监督局部线性嵌入算法 | 第30-37页 |
| 3.2.1 局部线性嵌入算法 | 第30-35页 |
| 3.2.2 监督局部线性嵌入算法 | 第35-36页 |
| 3.2.3 相关的参数选择 | 第36-37页 |
| 3.3 Kmeans ++ 算法 | 第37-40页 |
| 3.3.1 Kmeans算法 | 第37-38页 |
| 3.3.2 Kmeans ++算法 | 第38-40页 |
| 3.4 基于Kmeans++的Cluster-SLLE（CSLLE）算法 | 第40-41页 |
| 3.5 实验结果及对比分析 | 第41-45页 |
| 3.5.1 数据点间的距离矩阵 | 第42-43页 |
| 3.5.2 对噪声的影响 | 第43-44页 |
| 3.5.3 人脸数据集识别率 | 第44-45页 |
| 3.6 本章小结 | 第45-47页 |
| 4 改进的监督局部线性嵌入算法 | 第47-53页 |
| 4.1 引言 | 第47页 |
| 4.2 CSLLE存在的问题及改进 | 第47-49页 |
| 4.2.1 存在的问题 | 第47-48页 |
| 4.2.2 改进算法 | 第48-49页 |
| 4.3 实验结果及对比分析 | 第49-51页 |
| 4.4 本章小结 | 第51-53页 |
| 5 总结与展望 | 第53-55页 |
| 5.1 总结 | 第53页 |
| 5.2 展望 | 第53-55页 |
| 致谢 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第61页 |