| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究背景 | 第7-10页 |
| ·本文工作与结构 | 第10-11页 |
| 第二章 特征提取及 Kernel PCA | 第11-22页 |
| ·特征提取的基本任务 | 第11-12页 |
| ·基于核的主分量分析的引出 | 第12-18页 |
| ·主分量分析 | 第12-15页 |
| ·特征空间思想 | 第15-17页 |
| ·核理论 | 第17-18页 |
| ·Kernel PCA 思想及基本理论 | 第18-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 基于非高斯估计的 Kernel PCA 核参数优化算法 | 第22-32页 |
| ·核参数对Kernel PCA 性能影响的分析 | 第22-24页 |
| ·Kernel PCA 的性能依赖于映射函数 | 第22-23页 |
| ·关于Kernel PCA 核参数评价标准的讨论 | 第23-24页 |
| ·在特征子空间中分析数据的结构 | 第24-25页 |
| ·基于非高斯估计的核参数优化算法 | 第25-32页 |
| ·用ICA 求非高斯方向簇 | 第26-29页 |
| ·基于最大熵原则的非高斯性测度 | 第29-31页 |
| ·最优核参数测度 | 第31-32页 |
| 第四章 实验与结果 | 第32-42页 |
| ·模拟数据特征提取的核参数优化 | 第32-34页 |
| ·降噪应用中的核参数优化 | 第34-41页 |
| ·Kernel PCA 降噪算法 | 第34-35页 |
| ·手写体数字降噪的核参数优化 | 第35-38页 |
| ·人脸降噪的核参数优化 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 第五章 总结及展望 | 第42-43页 |
| 致谢 | 第43-44页 |
| 附录 A | 第44-46页 |
| 参考文献 | 第46-49页 |
| 硕士期间发表的论文 | 第49页 |