| 中文摘要 | 第1-6页 |
| abstract | 第6-9页 |
| 第一章 绪论 | 第9-12页 |
| ·研究背景及国内外现状 | 第9-10页 |
| ·基于流形学习的降维算法 | 第10页 |
| ·流形学习面临的问题 | 第10-11页 |
| ·本文组织 | 第11-12页 |
| 第二章 基于流形学习的降维方法 | 第12-22页 |
| ·线性降维算法 | 第12-15页 |
| ·主成分分析 | 第12-13页 |
| ·多维尺度变换 | 第13-14页 |
| ·线性判别分析 | 第14-15页 |
| ·基于流形的非线性降维算法 | 第15-20页 |
| ·等距映射 | 第15-16页 |
| ·拉普拉斯特征映射 | 第16-18页 |
| ·Hessian特征映射 | 第18页 |
| ·局部切空间排列 | 第18-19页 |
| ·最大差投影 | 第19-20页 |
| ·本章小结 | 第20-22页 |
| 第三章 基于全局距离及自适应确定本质维度的LLE降维方法 | 第22-31页 |
| ·LLE算法 | 第22-24页 |
| ·LLE算法的基本步骤 | 第23-24页 |
| ·LLE算法的特点 | 第24页 |
| ·改进距离及本质维度 | 第24-26页 |
| ·全局距离的构造 | 第25页 |
| ·自适应确定本质维度 | 第25-26页 |
| ·改进的LLE算法 | 第26-30页 |
| ·基于全局距离选取近邻 | 第27页 |
| ·线性组合计算权值 | 第27-28页 |
| ·预输出向量 | 第28-29页 |
| ·确定本质维度 | 第29页 |
| ·确定近邻数 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 基于改进的LLE算法的人体行为识别 | 第31-38页 |
| ·基于改进的LLE实现人体行为识别 | 第32-35页 |
| ·动作采集设备 | 第32页 |
| ·动作数据捕捉 | 第32-34页 |
| ·动作低维流形 | 第34页 |
| ·行为识别 | 第34-35页 |
| ·实验结果分析 | 第35-37页 |
| ·行为识别率分析 | 第35-36页 |
| ·计算性能分析 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第五章 总结与展望 | 第38-40页 |
| ·总结 | 第38-39页 |
| ·展望 | 第39-40页 |
| 参考文献 | 第40-43页 |
| 发表论文和科研情况说明 | 第43-44页 |
| 致谢 | 第44-45页 |