人脸特征提取及分类算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题来源背景及研究意义 | 第10-11页 |
| ·国内外研究现状综述及分析 | 第11-14页 |
| ·本文研究内容及结构安排 | 第14-16页 |
| 第2章 人脸特征提取和分类技术 | 第16-25页 |
| ·特征提取方法 | 第16-20页 |
| ·主成分分析法 | 第16-17页 |
| ·线性鉴别分析法 | 第17-19页 |
| ·费舍儿脸方法 | 第19-20页 |
| ·分类方法 | 第20-23页 |
| ·最近邻分类器 | 第20-21页 |
| ·BP 网络分类器 | 第21-23页 |
| ·本论文所用到的人脸库 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 加权小波融合RFLD 的人脸特征提取 | 第25-38页 |
| ·RFLD 方法与小波变换 | 第25-30页 |
| ·算法设计 | 第30-34页 |
| ·小波变换参数设计 | 第30-32页 |
| ·权值系数设计 | 第32-33页 |
| ·算法过程 | 第33-34页 |
| ·实验及结果分析 | 第34-37页 |
| ·ORL 人脸库实验 | 第34-36页 |
| ·YALE 人脸库实验 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 融合小波与优化RBF 网络的人脸分类识别 | 第38-56页 |
| ·遗传算法与RBF 网络 | 第38-47页 |
| ·遗传算法优化RBF 网络算法设计 | 第47-50页 |
| ·改进遗传算法 | 第47-48页 |
| ·RBF 网络学习算法 | 第48-50页 |
| ·分类识别算法设计 | 第50-52页 |
| ·实验结果及分析 | 第52-55页 |
| ·ORL 人脸库实验 | 第52-53页 |
| ·YALE 人脸库实验 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第5章 LVQ 网络在人脸分类识别中的应用 | 第56-67页 |
| ·自组织竞争神经网络 | 第56-58页 |
| ·LVQ 网络分类算法 | 第58-63页 |
| ·自组织映射网络及算法 | 第58-60页 |
| ·LVQ 网络分类算法 | 第60-63页 |
| ·实验及结果分析 | 第63-66页 |
| ·ORL 人脸库实验 | 第63-65页 |
| ·YALE 人脸库实验 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间发表的学术论文 | 第73-74页 |
| 致谢 | 第74页 |
