| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 本文的工作与安排 | 第15-18页 |
| 第二章 相关线性降维方法 | 第18-29页 |
| 2.1 基于图像向量的一维线性降维方法 | 第18-21页 |
| 2.1.1 主成分分析方法(PCA) | 第18-19页 |
| 2.1.2 线性判别分析方法(LDA) | 第19-20页 |
| 2.1.3 最大间距准则方法(MMC) | 第20-21页 |
| 2.2 基于图像矩阵的二维线性降维方法 | 第21-24页 |
| 2.2.1 二维主成分分析方法(2DPCA) | 第21-23页 |
| 2.2.2 二维线性判别分析方法(2DLDA) | 第23-24页 |
| 2.3 基于L1-范数的线性降维方法 | 第24-28页 |
| 2.3.1 基于L1-范数的主成分分析方法(PCA-L1) | 第24-26页 |
| 2.3.2 基于L1-范数的线性判别分析方法(LDA-L1) | 第26-27页 |
| 2.3.3 基于L1-范数的二维主成分分析方法(2DPCA-L1) | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于L1-范数的二维线性判别分析 | 第29-43页 |
| 3.1 问题建模 | 第29-30页 |
| 3.2 2DLDA-L1的单个最优投影方向 | 第30-31页 |
| 3.3 目标函数的迭代收敛性证明 | 第31-33页 |
| 3.4 2DLDA-L1的多个最优投影方向 | 第33-36页 |
| 3.5 实验结果与分析 | 第36-41页 |
| 3.5.1 人脸图像数据库简介 | 第36-37页 |
| 3.5.2 目标函数的迭代收敛性 | 第37页 |
| 3.5.3 步长参数γ对识别率的影响 | 第37-38页 |
| 3.5.4 投影方向个数d对识别率的影响 | 第38-39页 |
| 3.5.5 噪声对识别率的影响 | 第39-40页 |
| 3.5.6 不同训练集大小对识别率的影响 | 第40页 |
| 3.5.7 不同大小的随机缺失遮挡块对识别率的影响 | 第40-41页 |
| 3.6 本章小结 | 第41-43页 |
| 第四章 基于L1-范数的最大间距准则 | 第43-57页 |
| 4.1 问题建模 | 第43-44页 |
| 4.2 MMC-L1的单个最优投影方向 | 第44-45页 |
| 4.3 目标函数的迭代收敛性的证明 | 第45-47页 |
| 4.4 MMC-L1的多个最优投影方向 | 第47-50页 |
| 4.5 实验结果与分析 | 第50-56页 |
| 4.5.1 图像数据库简介 | 第51页 |
| 4.5.2 权重参数α对识别率的影响 | 第51-52页 |
| 4.5.3 不同训练集大小对识别率的影响 | 第52页 |
| 4.5.4 投影方向个数d对识别率的影响 | 第52-53页 |
| 4.5.5 噪声对识别率的影响 | 第53-54页 |
| 4.5.6 不同大小的随机缺失遮挡块对识别率的影响 | 第54-55页 |
| 4.5.7 不同分类器对识别率的影响 | 第55-56页 |
| 4.6 本章小结 | 第56-57页 |
| 第五章 基于L1-范数的二维最大间距准则 | 第57-67页 |
| 5.1 问题建模 | 第57-58页 |
| 5.2 2DMMC-L1的单个最优投影方向 | 第58页 |
| 5.3 目标函数的迭代收敛性证明 | 第58-61页 |
| 5.4 2DMMC-L1的多个最优投影方向 | 第61-62页 |
| 5.5 实验结果与分析 | 第62-66页 |
| 5.5.1 图像数据库简介 | 第63页 |
| 5.5.2 目标函数的迭代收敛性 | 第63页 |
| 5.5.3 权重参数α对识别率的影响 | 第63-64页 |
| 5.5.4 不同训练集大小对识别率的影响 | 第64-65页 |
| 5.5.5 投影方向个数d对识别率的影响 | 第65页 |
| 5.5.6 噪声对识别率的影响 | 第65-66页 |
| 5.6 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 致谢 | 第74-75页 |
| 攻读硕士学位期间发表的学术论文 | 第75页 |
