声明
摘要
1绪论
1.1研究背景及研究意义
1.1.1生物特征识别相关概念
1.1.2多视图数据的概念
1.1.3研究意义
1.2国内外研究现状
1.2.1基于单视图学习的分类方法
1.2.2基于多视图学习的分类方法
1.3本文主要工作内容
1.4本文的结构安排
2相关方法研究
2.1常用子空间分类方法
2.1.1主成分分析法
2.1.2线性鉴别分析
2.2多视图学习方法
2.2.1典型相关分析法
2.2.2典型鉴别相关分析
2.2.3核典型相关分析法
2.2.4双重鉴别相关分析法
2.2.5多视图鉴别分析法
2.3半监督方法简介
2.3本章小结
3多视图情形下Fisher准则判别分类方法的拓展
3.1主要思路
3.2多视图Fisher判别分类的模型表示
3.3基于去相关技术的多视图判别分类方法
3.4本章小结
4半监督场景下的多视图鉴别学习的应用方式
4.1半监督分类
4.2主要思路
4.3半监督情形的多视图鉴别分析方法
4.4算法模型及求解
4.5本章小结
5非线性场景下多视图鉴别学习的应用方式
5.1主要思路
5.2基于加权Fisher准则的多视图鉴别分析方法研究
5.2.1模型表示
5.2.2模型优化
5.3加权Fisher情况的非线性多视图学习方式
5.4本章小结
6实验分析
6.1多特征集数据库(MFD)
6.1.1 MFD数据库简介及实验设置
6.1.2实验结果及分析
6.2 PolyU多光谱掌数据纹库
6.2.1 PolyU多光谱掌纹库的简介及实验设置
6.2.2实验结果及分析
6.3 AR彩色人脸数据库
6.3.1 AR人脸库的简介及实验设置
6.3.2实验结果及分析
7总结与展望
7.1本文总结
7.2未来工作展望
致谢
参考文献
附录
南京理工大学;