| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-18页 |
| 1.1 课题研究背景及意义 | 第8-11页 |
| 1.2 人脸识别系统简介 | 第11-12页 |
| 1.3 子空间学习方法简述 | 第12-15页 |
| 1.3.1 经典子空间学习方法 | 第12-14页 |
| 1.3.2 多线性子空间学习方法 | 第14-15页 |
| 1.4 本文主要研究工作概述 | 第15-16页 |
| 1.5 本文内容章节安排 | 第16-18页 |
| 第二章 相关方法介绍 | 第18-29页 |
| 2.1 经典的子空间特征提取方法 | 第18-24页 |
| 2.1.1 主成分分析 | 第18-19页 |
| 2.1.2 局部保留投影 | 第19-20页 |
| 2.1.3 线性鉴别分析 | 第20-21页 |
| 2.1.4 Foley-Sammon线性鉴别分析 | 第21页 |
| 2.1.5 统计不相关鉴别变换 | 第21-22页 |
| 2.1.6 加权Fisher准则 | 第22-24页 |
| 2.2 多线性子空间特征提取方法 | 第24-28页 |
| 2.2.1 张量子空间分析 | 第24-25页 |
| 2.2.2 张量形式的鉴别分析 | 第25-26页 |
| 2.2.3 广义张量鉴别分析 | 第26-27页 |
| 2.2.4 不相关多线性鉴别分析 | 第27-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 加权张量鉴别分析 | 第29-43页 |
| 3.1 张量及其基本运算 | 第29-30页 |
| 3.2 方法动机 | 第30-31页 |
| 3.3 加权张量鉴别分析方法 | 第31-34页 |
| 3.3.1 加权鉴别张量准则 | 第31-32页 |
| 3.3.2 加权张量鉴别分析 | 第32-33页 |
| 3.3.3 分类识别 | 第33-34页 |
| 3.4 实验结果和分析 | 第34-42页 |
| 3.4.1 数据库介绍 | 第35-36页 |
| 3.4.2 实验结果 | 第36-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 基于加权鉴别张量准则的统计不相关鉴别分析 | 第43-52页 |
| 4.1 方法动机 | 第43页 |
| 4.2 不相关鉴别分析的模型分析 | 第43-44页 |
| 4.3 基于加权鉴别张量准则的统计不相关鉴别分析方法 | 第44页 |
| 4.4 基于加权鉴别张量准则的统计不相关鉴别分析的求解推导 | 第44-46页 |
| 4.5 实验结果和分析 | 第46-50页 |
| 4.6 本章小结 | 第50-52页 |
| 第五章 基于加权鉴别张量准则的局部统计不相关鉴别分析 | 第52-61页 |
| 5.1 方法动机 | 第52页 |
| 5.2 张量数据组织 | 第52-53页 |
| 5.3 基于加权鉴别张量准则的局部统计不相关鉴别分析方法 | 第53-55页 |
| 5.4 基于加权鉴别张量准则的局部统计不相关鉴别分析的系统框图 | 第55页 |
| 5.5 实验结果和分析 | 第55-60页 |
| 5.6 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 本文工作总结 | 第61页 |
| 6.2 研究展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 附录1攻读硕士学位期间撰写的论文 | 第67-68页 |
| 致谢 | 第68页 |
