| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-17页 |
| ·背景 | 第10-11页 |
| ·人脸识别常用方法 | 第11-15页 |
| ·基于几何特征方法的人脸识别 | 第11-12页 |
| ·弹性图匹配人脸识别 | 第12页 |
| ·基于子空间学习的方法 | 第12-14页 |
| ·基于隐马尔可夫模型的人脸识别(HMM) | 第14页 |
| ·上述方法评析 | 第14-15页 |
| ·存在的问题 | 第15页 |
| ·本文研究工作概述 | 第15-16页 |
| ·本文的内容安排 | 第16-17页 |
| 第二章 主成分分析增量学习算法 | 第17-27页 |
| ·主成分分析 | 第17-19页 |
| ·主成分分析增量学习算法 | 第19-22页 |
| ·主成分分析增量学习算法在人脸识别中的应用 | 第22-24页 |
| ·实验结果及分析 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 核主成分分析增量学习算法 | 第27-37页 |
| ·核方法 | 第27-32页 |
| ·核函数 | 第28-29页 |
| ·核矩阵 | 第29页 |
| ·核函数的基本算法 | 第29-30页 |
| ·协方差矩阵与核技巧 | 第30-31页 |
| ·核方法的模块性 | 第31-32页 |
| ·核主成分分析 | 第32-33页 |
| ·核主成分分析增量学习算法在人脸识别中的应用 | 第33-34页 |
| ·实验结果与分析 | 第34-35页 |
| ·本章小结 | 第35-37页 |
| 第四章 独立成分分析增量学习算法 | 第37-61页 |
| ·独立成分分析 | 第37-38页 |
| ·独立成分分析的批处理算法 | 第38-40页 |
| ·成对数据旋转法(Jacobi法)及极大峰度法(MaxKurt法) | 第38-39页 |
| ·特征矩阵的联合近似对角化法(JADE法) | 第39-40页 |
| ·独立成分分析的自适应算法 | 第40-52页 |
| ·常规的随机梯度法 | 第40-45页 |
| ·自然梯度与相对梯度 | 第45-49页 |
| ·串行矩阵更新及其自适应算法 | 第49-51页 |
| ·非线性PCA的自适应算法 | 第51-52页 |
| ·独立成分分析增量学习算法在人脸识别中的应用 | 第52-57页 |
| ·算法介绍 | 第52-55页 |
| ·算法描述 | 第55-57页 |
| ·实验结果与分析 | 第57-59页 |
| ·基于最近邻算法的人脸识别估计 | 第57页 |
| ·实验结果与分析 | 第57-59页 |
| ·本章小结 | 第59-61页 |
| 第五章 总结与展望 | 第61-63页 |
| ·总结 | 第61页 |
| ·展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士学位期间发表的论文目录 | 第67-69页 |