基于联合学习的特征提取算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景与意义 | 第10-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.3 本文的研究内容与本文结构 | 第14-15页 |
| 1.3.1 主要研究内容 | 第14页 |
| 1.3.2 论文的结构 | 第14-15页 |
| 1.4 本章小结 | 第15-16页 |
| 第2章 特征选择与特征提取方法概述 | 第16-25页 |
| 2.1 引言 | 第16页 |
| 2.2 特征选择方法概述 | 第16-18页 |
| 2.2.1 特征选择基本框架 | 第16-17页 |
| 2.2.2 特征选择的分类 | 第17-18页 |
| 2.2.3 特征选择方法的选取原则 | 第18页 |
| 2.3 常用特征提取方法概述 | 第18-23页 |
| 2.3.1 主成分分析法 | 第18-20页 |
| 2.3.2 局部保留投影法 | 第20-21页 |
| 2.3.3 线性判别分析法 | 第21-22页 |
| 2.3.4 局部线性嵌入法 | 第22-23页 |
| 2.4 本章小结 | 第23-25页 |
| 第3章 联合稀疏邻域保持嵌入算法 | 第25-37页 |
| 3.1 引言 | 第25页 |
| 3.2 联合稀疏邻域保持嵌入算法 | 第25-31页 |
| 3.2.1 算法的思想 | 第25-28页 |
| 3.2.2 算法的流程 | 第28-31页 |
| 3.3 实验结果及分析 | 第31-36页 |
| 3.3.1 Yale 人脸数据库 | 第31-33页 |
| 3.3.2 Yale B 人脸数据库 | 第33-34页 |
| 3.3.3 Skin-NonSkin 数据库 | 第34-35页 |
| 3.3.4 实验结果分析 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 联合判别稀疏邻域保持嵌入算法 | 第37-48页 |
| 4.1 引言 | 第37页 |
| 4.2 联合判别稀疏邻域保持嵌入算法 | 第37-42页 |
| 4.2.1 算法的思想 | 第37-40页 |
| 4.2.2 算法的流程 | 第40-42页 |
| 4.3 实验结果及分析 | 第42-47页 |
| 4.3.1 Yale 人脸数据库 | 第43-44页 |
| 4.3.2 Yale B 人脸数据库 | 第44-45页 |
| 4.3.3 AR 人脸数据库 | 第45-47页 |
| 4.3.4 实验结果分析 | 第47页 |
| 4.4 本章小结 | 第47-48页 |
| 结论 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第52-54页 |
| 致谢 | 第54-55页 |
| 个人简历 | 第55页 |
