| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究意义 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·论文结构安排 | 第14-15页 |
| ·本章小结 | 第15-16页 |
| 第2章 相关理论及方法 | 第16-39页 |
| ·引言 | 第16页 |
| ·局部二值模式 | 第16-20页 |
| ·随机子空间特征理论 | 第20-30页 |
| ·主成分分析 | 第20-21页 |
| ·核主成分分析 | 第21-23页 |
| ·随机非线性傅里叶特征 | 第23-25页 |
| ·随机Nystrom特征 | 第25-27页 |
| ·典型相关分析 | 第27-30页 |
| ·度量学习理论 | 第30-32页 |
| ·支持向量机 | 第32-38页 |
| ·支持向量机理论 | 第32-35页 |
| ·软间距的支持向量机 | 第35-37页 |
| ·非线性支持向量机 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第3章 基于随机非线性主成分分析子空间特征的人脸识别 | 第39-54页 |
| ·引言 | 第39页 |
| ·基于随机非线性主成分分析子空间特征的人脸识别 | 第39-47页 |
| ·图像预处理 | 第39-40页 |
| ·局部三值模式 | 第40-42页 |
| ·随机非线性主成分分析 | 第42-43页 |
| ·大间隔最近邻分类 | 第43-46页 |
| ·算法描述 | 第46-47页 |
| ·实验结果与分析 | 第47-53页 |
| ·AR数据库实验结果 | 第47-48页 |
| ·FERET数据库实验结果 | 第48-49页 |
| ·Yale数据库实验结果 | 第49-50页 |
| ·ORL数据库的实验结果 | 第50-51页 |
| ·计算时间 | 第51-52页 |
| ·实验分析 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第4章 基于随机化典型相关分析的人脸识别 | 第54-65页 |
| ·引言 | 第54页 |
| ·随机关联Nystrom视角特征 | 第54-59页 |
| ·随机多视角特征 | 第54-55页 |
| ·随机典型相关分析 | 第55-59页 |
| ·算法描述 | 第59-60页 |
| ·实验结果与分析 | 第60-63页 |
| ·AR数据库实验结果 | 第60页 |
| ·FERET数据库实验结果 | 第60-61页 |
| ·Yale数据库实验结果 | 第61-62页 |
| ·ORL数据库实验结果 | 第62页 |
| ·实验分析 | 第62-63页 |
| ·本章小结 | 第63-65页 |
| 结论 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 攻读学位期间发表论文与研究成果清单 | 第72-74页 |
| 致谢 | 第74页 |