基于支持向量机和多级B-样条的人脸识别技术研究
| 摘要 | 第1-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第8-15页 |
| ·人脸识别的概述及意义 | 第8-9页 |
| ·人脸识别的概述 | 第8页 |
| ·人脸识别的意义 | 第8-9页 |
| ·人脸识别技术研究的历史及现状 | 第9-12页 |
| ·论文研究内容及安排 | 第12-15页 |
| 2 基于多级B-样条的特征提取 | 第15-34页 |
| ·B-样条理论基础 | 第15-22页 |
| ·B-样条概述 | 第15-16页 |
| ·B-样条曲线数学模型 | 第16-17页 |
| ·B-样条模型特性 | 第17-22页 |
| ·B-样条提取特征 | 第22-27页 |
| ·基本思想 | 第22-25页 |
| ·实现算法 | 第25-26页 |
| ·算法分析 | 第26-27页 |
| ·多级B-样条拟合 | 第27-31页 |
| ·基本算法 | 第28-30页 |
| ·算法分析 | 第30-31页 |
| ·仿真实验 | 第31-34页 |
| ·人脸图像数据点采样 | 第31-33页 |
| ·利用多级B-样条提取人脸特征向量 | 第33-34页 |
| 3 基于支持向量机的分类器设计 | 第34-55页 |
| ·支持向量机概述 | 第34-39页 |
| ·支持向量机的思路 | 第34-35页 |
| ·支持向量机的基本原理 | 第35-38页 |
| ·支持向量机的优点 | 第38-39页 |
| ·支持向量机的核函数 | 第39-45页 |
| ·核函数的定义 | 第39-40页 |
| ·核的构造原则 | 第40-43页 |
| ·常见的几种核函数 | 第43-45页 |
| ·训练算法 | 第45-49页 |
| ·选择要优化的两个α_i | 第46-47页 |
| ·优化两个α_i | 第47-49页 |
| ·完成优化后的更新操作 | 第49页 |
| ·多分类问题 | 第49-51页 |
| ·一类对余类 | 第50页 |
| ·一对一分类 | 第50-51页 |
| ·纠错输出编码法 | 第51页 |
| ·k-类目标函数法 | 第51页 |
| ·分类器的实现 | 第51-55页 |
| ·惩罚系数的选取 | 第52-53页 |
| ·实现算法 | 第53-54页 |
| ·选择多分类算法 | 第54-55页 |
| 4 实验及结果分析 | 第55-61页 |
| ·实验的几点说明 | 第55-56页 |
| ·实验人脸数据库介绍 | 第55-56页 |
| ·术语说明 | 第56页 |
| ·实验结果 | 第56-61页 |
| ·人脸图像的特征提取 | 第56-58页 |
| ·识别结果及分析 | 第58-61页 |
| 5 总结与展望 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 附录 | 第68-69页 |
| 致谢 | 第69页 |
