基于流形学习的人脸识别研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-20页 |
| ·人脸识别的发展 | 第9-10页 |
| ·人脸识别框架 | 第10-11页 |
| ·常用人脸图像库介绍 | 第11-12页 |
| ·流形学习 | 第12-15页 |
| ·流形学习的概念 | 第12-13页 |
| ·降维的数学定义 | 第13-15页 |
| ·流形学习的发展 | 第15-16页 |
| ·常见几种流形学习分析 | 第16-18页 |
| ·流形学习应用 | 第18页 |
| ·小结 | 第18-20页 |
| 第二章 几种流形算法简介 | 第20-34页 |
| ·等距映射算法 | 第20-24页 |
| ·主要思想 | 第20页 |
| ·多维标度算法 | 第20-22页 |
| ·多维标度的原理 | 第20-21页 |
| ·MDS的程序流程 | 第21-22页 |
| ·等距映射算法实现 | 第22-24页 |
| ·等距映射算法流程 | 第22-23页 |
| ·佛洛依德算法 | 第23页 |
| ·迪杰斯特拉算法 | 第23-24页 |
| ·LLE算法 | 第24-27页 |
| ·LLE算法原理 | 第24-26页 |
| ·LLE实验结果 | 第26-27页 |
| ·拉普拉斯特征算法 | 第27-28页 |
| ·基本思路 | 第27页 |
| ·算法流程 | 第27-28页 |
| ·算法分析 | 第28页 |
| ·海赛局部线性嵌入 | 第28-30页 |
| ·局部切空间排列 | 第30-31页 |
| ·局部保持映射 | 第31-32页 |
| ·小结 | 第32-34页 |
| 第三章 自适应距离等距映射 | 第34-49页 |
| ·核心思想 | 第35页 |
| ·算法流程 | 第35-37页 |
| ·参数的确定 | 第37-38页 |
| ·K值的确定 | 第37-38页 |
| ·本征维度的确定 | 第38页 |
| ·实验 | 第38-48页 |
| ·特征维数鲁棒性研究 | 第38-41页 |
| ·近邻连接数鲁棒性研究 | 第41-43页 |
| ·不同范数欧式距离的研究 | 第43-44页 |
| ·自适应距离推广等距映射 | 第44-48页 |
| ·推广的等距映射 | 第44-46页 |
| ·自适应距离推广的等距映射 | 第46-48页 |
| ·小结 | 第48-49页 |
| 第四章 分层选取近邻点的LLE | 第49-56页 |
| ·核心思想 | 第51页 |
| ·数学模型 | 第51-52页 |
| ·算法流程 | 第52-53页 |
| ·人脸图像的识别实验 | 第53-55页 |
| ·小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 攻硕期间取得的研究成果 | 第62页 |
