摘要 | 第5-7页 |
abstract | 第7-8页 |
第1章 绪论 | 第13-31页 |
1.1 课题研究背景及意义 | 第13-16页 |
1.2 国内外研究现状 | 第16-26页 |
1.2.1 人脸识别的发展历程 | 第16-20页 |
1.2.2 非负矩阵分解研究现状 | 第20-24页 |
1.2.3 增量式非负矩阵分解研究现状 | 第24-26页 |
1.3 论文的主要研究工作 | 第26-27页 |
1.4 论文的组织结构 | 第27-31页 |
第2章 非负矩阵分解及其增量学习算法研究综述 | 第31-43页 |
2.1 引言 | 第31页 |
2.2 非负矩阵分解算法介绍 | 第31-35页 |
2.2.1 算法模型及求解 | 第31-33页 |
2.2.2 收敛性证明 | 第33-35页 |
2.3 基于增量式非负矩阵分解及其改进算法 | 第35-41页 |
2.3.1 增量式非负矩阵分解算法 | 第35-37页 |
2.3.2 增量式图正则非负矩阵分解算法 | 第37-39页 |
2.3.3 增量式正交投影非负矩阵分解算法 | 第39-41页 |
2.4 算法综合分析 | 第41-42页 |
2.5 本章小结 | 第42-43页 |
第3章 基于稀疏约束的增量式非负矩阵分解的人脸识别算法 | 第43-53页 |
3.1 引言 | 第43页 |
3.2 非负稀疏编码 | 第43-44页 |
3.3 增量式稀疏非负矩阵分解 | 第44-47页 |
3.3.1 模型描述 | 第45-46页 |
3.3.2 优化求解 | 第46-47页 |
3.4 实验结果及分析 | 第47-51页 |
3.4.1 数据描述及参数设置 | 第47-48页 |
3.4.2 运算时间对比 | 第48-49页 |
3.4.3 稀疏度度量 | 第49-51页 |
3.5 本章小结 | 第51-53页 |
第4章 基于增量式受限非负矩阵分解的人脸识别算法 | 第53-73页 |
4.1 引言 | 第53页 |
4.2 受限非负矩阵分解 | 第53-54页 |
4.3 增量式受限非负矩阵分解 | 第54-61页 |
4.3.1 模型描述 | 第55-57页 |
4.3.2 优化求解 | 第57-61页 |
4.4 实验结果及分析 | 第61-71页 |
4.4.1 数据描述及参数设置 | 第61-63页 |
4.4.2 算法收敛性分析 | 第63-64页 |
4.4.3 算法聚类效果评价与分析 | 第64-66页 |
4.4.4 各算法聚类效果比较 | 第66-70页 |
4.4.5 算法速度比较 | 第70-71页 |
4.5 本章小结 | 第71-73页 |
第5章 基于增量式鉴别非负矩阵分解的人脸识别算法 | 第73-83页 |
5.1 引言 | 第73页 |
5.2 标签数据描述 | 第73-74页 |
5.3 增量式鉴别非负矩阵分解 | 第74-76页 |
5.3.1 模型描述 | 第74页 |
5.3.2 优化求解 | 第74-76页 |
5.4 实验结果及分析 | 第76-81页 |
5.4.1 数据描述及参数设置 | 第76-77页 |
5.4.2 算法收敛性比较 | 第77-78页 |
5.4.3 算法识别率比较 | 第78-80页 |
5.4.4 算法耗时比较 | 第80-81页 |
5.5 本章小结 | 第81-83页 |
第6章 基于Fisher判别分析的增量式非负矩阵分解人脸识别算法 | 第83-97页 |
6.1 引言 | 第83页 |
6.2 Fisher线性判别分析 | 第83-84页 |
6.3 基于Fisher判别分析的增量式非负矩阵分解算法 | 第84-89页 |
6.3.1 问题描述及改进 | 第84-87页 |
6.3.2 优化求解 | 第87-89页 |
6.4 实验结果及分析 | 第89-96页 |
6.4.1 数据描述及参数设置 | 第89-91页 |
6.4.2 参数η值选择 | 第91-92页 |
6.4.3 识别率随迭代次数变化 | 第92-93页 |
6.4.4 识别率随子空间维数变化 | 第93-95页 |
6.4.5 算法速度比较 | 第95页 |
6.4.6 算法综合分析 | 第95-96页 |
6.5 本章小结 | 第96-97页 |
第7章 总结与展望 | 第97-101页 |
7.1 本文工作总结 | 第97-99页 |
7.2 未来工作展望 | 第99-101页 |
参考文献 | 第101-111页 |
致谢 | 第111-113页 |
攻读学位期间参加的科研项目和成果 | 第113-114页 |