面向表情识别的动态ELM计算模型研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文的研究工作 | 第13页 |
| 1.4 论文组织结构与安排 | 第13-16页 |
| 第2章 隐马尔科夫模型概述 | 第16-28页 |
| 2.1 隐马尔科夫模型定义与结构 | 第16-18页 |
| 2.2 隐马尔科夫模型的三类基本问题及解决办法 | 第18-22页 |
| 2.2.1 评价问题 | 第18-20页 |
| 2.2.2 学习问题 | 第20-21页 |
| 2.2.3 解码问题 | 第21-22页 |
| 2.3 隐马尔科夫模型的下溢问题 | 第22-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第3章 面向表情序列的特征提取方案 | 第28-40页 |
| 3.1 基于Gabor的静态图像特征提取 | 第28-33页 |
| 3.1.1 Gabor小波变换 | 第28-29页 |
| 3.1.2 Gabor人脸表情特征降维 | 第29-31页 |
| 3.1.3 人脸表情分块与Gabor特征的融合 | 第31-33页 |
| 3.2 特征序列转化为观察状态序列 | 第33-38页 |
| 3.2.1 表情序列识别中的聚类策略 | 第33-34页 |
| 3.2.2 分类型数据经典聚类方法K-modes | 第34-36页 |
| 3.2.3 基于标签出现频率的分类型数据聚类方法 | 第36-37页 |
| 3.2.4 实验结果 | 第37-38页 |
| 3.3 本章小结 | 第38-40页 |
| 第4章 面向表情识别的动态ELM计算模型设计 | 第40-48页 |
| 4.1 动态ELM表情识别算法设计 | 第40-44页 |
| 4.1.1 ELM模型 | 第40-42页 |
| 4.1.2 动态ELM模型设计 | 第42-44页 |
| 4.2 实验分析 | 第44-47页 |
| 4.2.1 训练样本和测试样本的划分 | 第44-45页 |
| 4.2.2 数据库维度归一化 | 第45-46页 |
| 4.2.3 实验结果与分析 | 第46-47页 |
| 4.3 本章小结 | 第47-48页 |
| 结论 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 攻读硕士学位期间所发表的学术论文 | 第54-56页 |
| 致谢 | 第56页 |
