| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-17页 |
| 1．1 人脸识别算法综述 | 第8-15页 |
| 1．1．1 基于几何特征的人脸识别方法 | 第9-10页 |
| 1．1．2 基于模板匹配的人脸识别方法 | 第10-11页 |
| 1．1．3 特征脸方法 | 第11-12页 |
| 1．1．4 隐马尔可夫模型 | 第12页 |
| 1．1．5 基于神经网络的方法 | 第12-13页 |
| 1．1．6 弹性图匹配方法 | 第13-14页 |
| 1．1．7 其它人脸识别算法 | 第14-15页 |
| 1．2 Boosting算法应用于人脸识别及本文所做的工作 | 第15-17页 |
| 第二章 经典统计识别方法 | 第17-23页 |
| 2．1 基于 KL变换的特征脸识别方法 | 第17-20页 |
| 2．1．1 KL变换的基本原理 | 第17页 |
| 2．1．2 KL变换算法描述 | 第17-19页 |
| 2．1．3 正交基的选取 | 第19页 |
| 2．1．4 在投影空间对图像进行分类 | 第19页 |
| 2．1．5 用 KL变换进行人脸识别的优缺点 | 第19-20页 |
| 2．2 线性鉴别方法 | 第20-23页 |
| 第三章 Boosting算法 | 第23-37页 |
| 3．1 问题背景及 Boosting算法的提出 | 第23-25页 |
| 3．2 Boosting算法简介 | 第25-29页 |
| 3．2．1 从数据中学习和 PAC性质 | 第25-26页 |
| 3．2．2 算法流程 | 第26-28页 |
| 3．2．3 AdaBoost算法的训练错误率 | 第28-29页 |
| 3．3 Boosting 算法理论基础 | 第29-34页 |
| 3．3．1 弱分类器的存在性 | 第29-30页 |
| 3．3．2 训练错误率收敛为零 | 第30-31页 |
| 3．3．3 推广错误率上限 | 第31-33页 |
| 3．3．4 基于边缘推广错误率的上限 | 第33-34页 |
| 3．4 应用实例 | 第34-37页 |
| 3．4．1 非侵入式电源模拟系统 | 第34-35页 |
| 3．4．2 文本分类 | 第35页 |
| 3．4．3 其它应用 | 第35-37页 |
| 第四章 Boosting算法在人脸识别中的应用 | 第37-52页 |
| 4．1 人脸数据库说明及人脸图像预处理 | 第37-39页 |
| 4．1．1 FERET人脸数据库 | 第37-38页 |
| 4．1．2 ORL人脸数据库 | 第38-39页 |
| 4．1．3 人脸图像预处理 | 第39页 |
| 4．2 加强的 LDA算法 | 第39-45页 |
| 4．2．1 算法描述 | 第40-44页 |
| 4．2．2 实验结果 | 第44-45页 |
| 4．3 加强概率推理模型 | 第45-52页 |
| 4．3．1 算法描述 | 第45-48页 |
| 4．3．2 实验结果 | 第48-52页 |
| 第五章 结论与展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 作者在读硕士期间发表的有关论文 | 第58-59页 |
| 致谢 | 第59页 |