| 中文摘要 | 第1-11页 |
| Abstract | 第11-13页 |
| 第一章 绪论 | 第13-28页 |
| ·论文背景 | 第13-16页 |
| ·问题的提出 | 第13-14页 |
| ·人脸识别的研究内容及现状 | 第14-16页 |
| ·人脸识别研究的挑战性 | 第16页 |
| ·人脸识别中线性投影分析的研究与发展 | 第16-21页 |
| ·主分量分析的研究与发展 | 第17-18页 |
| ·Fisher 线性鉴别分析的研究与发展 | 第18-20页 |
| ·二维图像投影理论的研究与发展 | 第20-21页 |
| ·人脸识别中非线性特征抽取的研究与发展 | 第21-22页 |
| ·核方法的基本思想 | 第21-22页 |
| ·基于核方法的非线性特征抽取理论的研究与发展 | 第22页 |
| ·集成学习方法的研究和发展 | 第22-26页 |
| ·集成学习方法的有效性 | 第22-23页 |
| ·集成学习方法介绍 | 第23-25页 |
| ·基本分类器分类结果的结合方式 | 第25-26页 |
| ·集成学习与投影分析理论的结合 | 第26-27页 |
| ·本文主要研究工作概述 | 第27-28页 |
| 第二章 基于增强 Fisher 判决的 Bagging 集成分类 | 第28-33页 |
| ·主成分分析(PCA) | 第28页 |
| ·Fisher 线性判决 | 第28-29页 |
| ·Bagging 集成分类简介 | 第29页 |
| ·增强型 Fisher 线性判决 | 第29-31页 |
| ·相似性度量 | 第29-31页 |
| ·增强Fisher 判决 | 第31页 |
| ·实验 | 第31-32页 |
| ·结束语 | 第32-33页 |
| 第三章 基于类别信息的分类器集成方法 Cagging | 第33-43页 |
| ·Bagging 算法 | 第33-34页 |
| ·Cagging 算法 | 第34-36页 |
| ·基于类信息的基本分类器生成 | 第34-35页 |
| ·基于类权重的分类结果结合 | 第35页 |
| ·Cagging 算法 | 第35-36页 |
| ·实验 | 第36-40页 |
| ·实验1 | 第37-39页 |
| ·实验2 | 第39-40页 |
| ·增量学习分类器集成方法 Cagging-I | 第40-42页 |
| ·结束语 | 第42-43页 |
| 第四章 基于集成PCA 的人脸识别 | 第43-49页 |
| ·基于集成PCA 的分类系统设计 | 第43-45页 |
| ·基于RSM 的多个PCA 投影变换 | 第44页 |
| ·选择性分类器集成 | 第44-45页 |
| ·基于PCA 集成的分类算法 | 第45-46页 |
| ·集成生成过程 | 第45页 |
| ·基于集成的分类过程 | 第45-46页 |
| ·实验 | 第46-48页 |
| ·实验数据 | 第46页 |
| ·参数设定 | 第46页 |
| ·实验结果 | 第46-48页 |
| ·结束语 | 第48-49页 |
| 第五章 基于集成学习的线性判别分析 | 第49-62页 |
| ·Boosting 算法 | 第50-51页 |
| ·Foley-Sammon 最优鉴别矢量 | 第51-52页 |
| ·ELDA 算法 | 第52-57页 |
| ·ELDA-1 算法 | 第52-55页 |
| ·ELDA-2 算法 | 第55-57页 |
| ·实验 | 第57-60页 |
| ·数据集 | 第57-58页 |
| ·实验解释 | 第58-59页 |
| ·实验结果 | 第59-60页 |
| ·结束语 | 第60-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 参考文献 | 第64-72页 |
| 致谢 | 第72-73页 |
| 附录 | 第73页 |