| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| Content | 第10-12页 |
| 图清单 | 第12-14页 |
| 表清单 | 第14-15页 |
| 1 绪论 | 第15-20页 |
| ·课题的研究背景与意义 | 第15-16页 |
| ·国内外研究现状 | 第16-18页 |
| ·本文主要研究内容 | 第18-19页 |
| ·论文组织结构 | 第19-20页 |
| 2 相关技术 | 第20-29页 |
| ·引言 | 第20页 |
| ·特征提取技术分类 | 第20-21页 |
| ·线性特征提取方法 | 第21-24页 |
| ·非线性特征提取方法 | 第24-28页 |
| ·本章小结 | 第28-29页 |
| 3 基于 PCA 的样本加权特征提取算法 | 第29-40页 |
| ·引言 | 第29-30页 |
| ·主成分及加权主成分分析法 | 第30-31页 |
| ·基于 PCA 样本加权重建误差和最小模型 | 第31-32页 |
| ·模型求解与算法 | 第32-33页 |
| ·实验结果及分析 | 第33-39页 |
| ·本章小结 | 第39-40页 |
| 4 融合局部信息的 KPCA 加权非线性特征提取综合模型 | 第40-56页 |
| ·引言 | 第40-41页 |
| ·核方法 | 第41-42页 |
| ·KPCA 方法 | 第42-44页 |
| ·LPP 方法 | 第44-46页 |
| ·融合局部信息的 KPCA 加权综合模型 | 第46-49页 |
| ·实验结果及分析 | 第49-55页 |
| ·本章小结 | 第55-56页 |
| 5 特征提取算法分析平台的设计和实现 | 第56-64页 |
| ·系统框架 | 第56页 |
| ·系统功能模块设计 | 第56-58页 |
| ·系统实现 | 第58-63页 |
| ·本章小结 | 第63-64页 |
| 6 结论 | 第64-66页 |
| ·工作总结 | 第64-65页 |
| ·工作展望 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 作者简历 | 第72-74页 |
| 学位论文数据集 | 第74页 |