声明
摘要
1.1 研究背景与意义
1.2 国内外研究现状
1.3 本文的工作安排
第二章 相关线性降维方法
2.1 基于一维的经典线性降维方法
2.1.1 主成分分析(PCA)
2.1.2 线性判别分析(LDA)
2.1.3 最大间距准则(MMC)
2.2 基于二维的经典线性降维方法
2.2.1 二维主成分分析(2DPCA)
2.2.2 二维线性判别分析(2DLDA)
2.3 基于L1-范数的线性降维方法
2.3.1 基于L1-范数的主成分分析(PCA-L1)
2.3.2 基于L1-范数的线性判别分析(LDA-L1)
2.3.3 基于L1-范数的二维线性判别分析(2DLDA-L1)
2.4 基于加权的线性判别分析(ILDA)
2.5 基于L1-范数的非贪婪线性判别分析(NLDA-L1)
2.6 最大最小线性判别分析(MMLDA)
2.7 本章小结
第三章 基于L1-范数的二维加权最大间距准则
3.1 问题建模
3.2 2DWMMC-L1单个投影方向
3.3 算法收敛性证明
3.4 2DWMMC-L1多个投影方向
3.5 实验结果及分析
3.5.1 数据库简介
3.5.2 Extended Yale B数据库
3.5.3 PIE数据库
3.5.4 ORL数据库
3.5.5 AR数据库
3.5.6 FERET数据库
3.6 本章小结
第四章 基于L1-范数的二维非贪婪加权最大间距准则
4.1.2 基于L1-范数的二维加权最大间距准则(2DWMMC-L1)
4.2 非贪婪优化求解算法
4.3 算法收敛性证明
4.4 实验结果及分析
4.4.1 数据库简介
4.4.2 PIE数据库
4.4.3 AR数据库
4.4.4 FERET数据库
4.4.5 ORL数据库
4.5 本章小结
第五章 基于L1-范数的非贪婪最大最小间距准则
5.1 问题建模
5.2 算法求解以及收敛性证明
5.3 基于L1-范数的二维非贪婪最大最小间距准则
5.4 实验结果及分析
5.4.1 数据库简介
5.4.2 AR数据库
5.4.3 Extended YaleB数据库
5.4.4 ORL数据库
5.4.5 UCI数据库
5.4.6 FERET数据库
5.5 本章小结
第六章 总结与展望
参考文献
致谢
攻读硕士学位期间发表的学术论文以及参与的科研项目