基于进化计算和支持向量机的人脸识别算法研究
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-9页 |
| 插图索引 | 第9-10页 |
| 附表索引 | 第10-11页 |
| 第1章 绪论 | 第11-17页 |
| ·研究背景及意义 | 第11页 |
| ·人脸识别系统 | 第11-12页 |
| ·人脸识别研究现状和应用前景 | 第12-14页 |
| ·国内外人脸识别研究现状 | 第12-13页 |
| ·人脸识别应用前景 | 第13-14页 |
| ·进化计算研究现状 | 第14-15页 |
| ·本文研究工作 | 第15-17页 |
| 第2章 人脸识别方法综述 | 第17-25页 |
| ·人脸图像预处理方法 | 第17-18页 |
| ·灰度归一化 | 第17-18页 |
| ·尺度归一化 | 第18页 |
| ·人脸图像的特征提取方法 | 第18-22页 |
| ·特征脸方法 | 第19-20页 |
| ·Gabor变换 | 第20-21页 |
| ·基于核的非线性子空间方法 | 第21-22页 |
| ·人脸确认识别方法 | 第22-24页 |
| ·基于几何特征的方法 | 第22页 |
| ·基于人工神经网络的方法 | 第22-23页 |
| ·基于弹性图匹配的方法 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 典型的进化计算方法及其改进 | 第25-38页 |
| ·粒子群优化算法 | 第25-28页 |
| ·基本原理 | 第25-26页 |
| ·算法流程 | 第26-28页 |
| ·混沌理论 | 第28-34页 |
| ·混沌理论的发展 | 第28-29页 |
| ·混沌的定义 | 第29-31页 |
| ·混沌运动的特征 | 第31页 |
| ·混沌运动的判断准则 | 第31-33页 |
| ·常用混沌模型 | 第33-34页 |
| ·改进的混沌粒子群算法 | 第34-35页 |
| ·仿真实验结果及分析 | 第35-36页 |
| ·本章小结 | 第36-38页 |
| 第4章 基于混沌粒子群的支持向量机训练方法 | 第38-47页 |
| ·支持向量机 | 第38-40页 |
| ·线性可分支持向量机 | 第38-39页 |
| ·非线性可分支持向量机 | 第39-40页 |
| ·训练支持向量机的常用方法 | 第40-43页 |
| ·分块(Chunking)方法 | 第40页 |
| ·分解算法 | 第40-41页 |
| ·序列最小优化算法 | 第41-43页 |
| ·利用混沌粒子群训练支持向量机的方法 | 第43-44页 |
| ·仿真实验及结果分析 | 第44-46页 |
| ·CPSO-SVM人脸识别实验 | 第45页 |
| ·SMO-SVM人脸识别实验 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 总结与展望 | 第47-49页 |
| 1 本文总结 | 第47页 |
| 2 今后工作展望 | 第47-49页 |
| 参考文献 | 第49-52页 |
| 致谢 | 第52-53页 |
| 附录A 攻读硕士学位期间所发表的论文 | 第53页 |
