基于流形学习与分类技术的人脸识别研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第7-9页 |
| 1.1 研究背景和意义 | 第7-8页 |
| 1.2 人脸识别的研究现状 | 第8页 |
| 1.3 本文主要研究内容 | 第8-9页 |
| 2 人脸特征提取算法 | 第9-14页 |
| 2.1 线性特征提取算法 | 第9-11页 |
| 2.1.1 主成分分析 | 第9-10页 |
| 2.1.2 线性判别分析 | 第10-11页 |
| 2.2 非线性特征提取算法 | 第11-14页 |
| 2.2.1 局部线性嵌入 | 第11-12页 |
| 2.2.2 邻域保持嵌入 | 第12-14页 |
| 3 基于模糊聚类的LLE和SVM的人脸识别 | 第14-21页 |
| 3.1 基于模糊聚类的局部线性嵌入 | 第14-15页 |
| 3.2 支持向量机理论 | 第15-17页 |
| 3.3 新算法的提出及实验分析 | 第17-20页 |
| 3.4 本章小结 | 第20-21页 |
| 4 流形极端学习机及其人脸识别应用 | 第21-34页 |
| 4.1 极端学习机理论 | 第21-22页 |
| 4.2 新算法的提出 | 第22-26页 |
| 4.2.1 激活函数ERAF的提出 | 第22-24页 |
| 4.2.2 构造新的降维算法 | 第24-26页 |
| 4.2.3 流形极端学习机算法模块步骤 | 第26页 |
| 4.3 实验与结果分析 | 第26-33页 |
| 4.4 本章小结 | 第33-34页 |
| 结论 | 第34-35页 |
| 参考文献 | 第35-37页 |
| 攻读硕士学位期间发表学术论文情况 | 第37-38页 |
| 致谢 | 第38页 |
