| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-12页 |
| 第1章 绪论 | 第12-26页 |
| ·引言 | 第12-13页 |
| ·线性投影分析的研究与发展 | 第13-16页 |
| ·主分量分析概述 | 第13-14页 |
| ·Fisher线性鉴别分析概述 | 第14-16页 |
| ·相关投影分析概述 | 第16-19页 |
| ·典型相关分析的研究与发展 | 第16-18页 |
| ·偏最小二乘分析的研究与发展 | 第18-19页 |
| ·图像识别的具体应用:人脸识别与字符识别 | 第19-23页 |
| ·人脸识别介绍及研究概况 | 第19-21页 |
| ·基于投影分析的人脸特征抽取 | 第21-22页 |
| ·基于投影分析的手写体字符特征抽取 | 第22-23页 |
| ·本文的主要研究工作 | 第23-24页 |
| ·本文的内容安排 | 第24-26页 |
| 第2章 典型相关分析用于图像识别的理论与方法 | 第26-52页 |
| ·引言 | 第26-27页 |
| ·典型相关分析用于特征融合的理论框架 | 第27-33页 |
| ·典型相关分析的基本思想 | 第27-28页 |
| ·组合特征抽取的原理 | 第28-30页 |
| ·算法步骤 | 第30-31页 |
| ·相关性度量 | 第31-32页 |
| ·融合前的预处理 | 第32-33页 |
| ·高维小样本情况下的讨论 | 第33-38页 |
| ·算法与理论 | 第33-37页 |
| ·算法分析 | 第37-38页 |
| ·典型相关鉴别分析 | 第38-44页 |
| ·基于Fisher准则的线性鉴别分析 | 第39-40页 |
| ·求取UODV的一种间接算法 | 第40-42页 |
| ·算法比较分析 | 第42-43页 |
| ·高维小样本情况下 UODV的求解 | 第43-44页 |
| ·试验与分析 | 第44-50页 |
| ·试验1 | 第44-47页 |
| ·试验2 | 第47-49页 |
| ·试验3 | 第49-50页 |
| ·本章小结 | 第50-52页 |
| 第3章 广义典型相关分析的原理与应用 | 第52-72页 |
| ·引言 | 第52页 |
| ·广义典型相关分析的原理与算法 | 第52-60页 |
| ·广义典型相关判别准则 | 第52-53页 |
| ·广义典型投影矢量集的求解 | 第53-56页 |
| ·基于共轭正交约束的广义典型投影矢量集 | 第56-59页 |
| ·两种算法的性能分析 | 第59-60页 |
| ·类内散布矩阵奇异时的讨论 | 第60-61页 |
| ·策略1: PCA plus GCCA | 第60页 |
| ·策略2: 扰动法 | 第60-61页 |
| ·特征融合策略与分类器的设计 | 第61-62页 |
| ·基于相关特征矩阵的最小距离分类器 | 第62页 |
| ·基于相关特征矩阵的最近邻分类器 | 第62页 |
| ·试验与分析 | 第62-69页 |
| ·试验1 | 第62-64页 |
| ·试验2 | 第64-67页 |
| ·试验3 | 第67-69页 |
| ·本章小结 | 第69-72页 |
| 第4章 基于偏最小二乘分析的特征抽取技术 | 第72-94页 |
| ·引言 | 第72-73页 |
| ·PLS建模的基本思想 | 第73-74页 |
| ·经典的偏最小二乘回归分析方法 | 第74-77页 |
| ·基本原理 | 第74-76页 |
| ·基本性质 | 第76-77页 |
| ·两种新的PLS建模方法 | 第77-82页 |
| ·一种非迭代 PLS建模方法(NI-PLS) | 第77-79页 |
| ·共轭正交的 PLS成分提取算法(CO-PLS) | 第79-81页 |
| ·算法的性能分析 | 第81-82页 |
| ·PLS模型用于图像识别的策略 | 第82-84页 |
| ·基于单一特征的分类: PLS鉴别分析 | 第82-83页 |
| ·基于两组特征的分类:特征融合 | 第83-84页 |
| ·一种新的相关双子空间的连续分类器设计 | 第84页 |
| ·试验与分析 | 第84-92页 |
| ·人脸图像的重构与识别试验 | 第84-87页 |
| ·手写体字符数据库上的融合试验 | 第87-88页 |
| ·基于相关双子空间的试验 | 第88-92页 |
| ·本章小结 | 第92-94页 |
| 第5章 二维相关投影分析的理论构架及其在图像识别中的应用 | 第94-108页 |
| ·引言 | 第94-95页 |
| ·二维典型相关分析(2D-CCA) | 第95-99页 |
| ·基本思想 | 第95-97页 |
| ·算法理论 | 第97-98页 |
| ·特征抽取与分类策略 | 第98页 |
| ·相关性分析 | 第98-99页 |
| ·二维广义典型相关分析(2D-GCCA) | 第99-102页 |
| ·基本思想 | 第99-100页 |
| ·两种算法 | 第100-101页 |
| ·组合特征的抽取与分类 | 第101-102页 |
| ·二维偏最小二乘分析(2D-PLS) | 第102-104页 |
| ·2D-PLS的建模思想 | 第102-103页 |
| ·2D非迭代 PLS建模方法(2D-NIPLS) | 第103页 |
| ·特征抽取与分类 | 第103-104页 |
| ·试验与分析 | 第104-107页 |
| ·试验1 | 第104-105页 |
| ·试验2 | 第105-107页 |
| ·本章小结 | 第107-108页 |
| 第6章 结束语 | 第108-111页 |
| 致谢 | 第111-112页 |
| 参考文献 | 第112-123页 |
| 附录 | 第123-124页 |