基于卷积的主成分分析特征提取算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第7-13页 |
| 1.1 研究背景及意义 | 第7页 |
| 1.2 降维方法的研究现状 | 第7-10页 |
| 1.3 本文主要研究内容 | 第10页 |
| 1.4 本文主要结构 | 第10-13页 |
| 第2章 相关算法理论概述 | 第13-23页 |
| 2.1 PCA方法介绍 | 第13-16页 |
| 2.1.1 PCA方法基本思想 | 第13页 |
| 2.1.2 K-L变换及其特征提取 | 第13-15页 |
| 2.1.3 PCA方法理论 | 第15-16页 |
| 2.2 PCA-L1和2DPCA-L1方法原理 | 第16-17页 |
| 2.2.1 PCA-L1方法 | 第16-17页 |
| 2.2.2 2DPCA-L1方法 | 第17页 |
| 2.3 BPCA-L1方法介绍 | 第17-18页 |
| 2.4 卷积神经网络 | 第18-21页 |
| 2.5 本章小结 | 第21-23页 |
| 第3章 基于卷积的PCA-L1算法 | 第23-35页 |
| 3.1 卷积PCA-L1算法描述 | 第23-24页 |
| 3.2 实验结果与分析 | 第24-32页 |
| 3.2.1 AR人脸库实验 | 第25-28页 |
| 3.2.2 ORL人脸库实验 | 第28-32页 |
| 3.3 本章小结 | 第32-35页 |
| 结论 | 第35-37页 |
| 参考文献 | 第37-41页 |
| 致谢 | 第41页 |
