| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-12页 |
| 1.1 人脸识别技术 | 第7页 |
| 1.2 人脸识别研究背景及意义 | 第7-8页 |
| 1.3 人脸识别理论的发展 | 第8-9页 |
| 1.4 人脸识别研究方法的概述 | 第9-12页 |
| 1.5 本文的主要研究内容和论文章节安排 | 第12页 |
| 2 非负矩阵分解 | 第12-28页 |
| 2.1 非负矩阵分解的产生与发展现状 | 第12-15页 |
| 2.2 非负矩阵分解算法 | 第15-19页 |
| 2.2.1 基于欧式距离平方的目标函数 | 第15页 |
| 2.2.2 基于广义 KL（Kullback-Leibler）离散度目标函数 | 第15-16页 |
| 2.2.3 迭代规则 | 第16页 |
| 2.2.4 收敛性证明 | 第16-19页 |
| 2.3 基于 Bergmen 散度的投影非负矩阵分解算法 | 第19-21页 |
| 2.3.1 Bergmen 散度 | 第19-20页 |
| 2.3.2 基于 Bergmen 散度的投影非负矩阵分解 | 第20-21页 |
| 2.4 基于 KL 散度的图正则非负矩阵分解 | 第21-23页 |
| 2.5 非负矩阵分解的几种改进算法 | 第23-28页 |
| 3 基于 KL 散度的投影图正则非负矩阵分解 | 第28-36页 |
| 3.1 基于 KL 散度的投影图正则非负矩阵分解算法 | 第28-29页 |
| 3.2 基于 KL 散度的投影图正则非负矩阵分解算法的收敛性证明 | 第29-31页 |
| 3.3 实验结果与分析 | 第31-36页 |
| 3.3.1 人脸数据库的形成 | 第32页 |
| 3.3.2 基矩阵中参数 r 的选择 | 第32-33页 |
| 3.3.3 识别率的分析 | 第33-35页 |
| 3.3.4 基图像 | 第35-36页 |
| 结论 | 第36-37页 |
| 参考文献 | 第37-40页 |
| 攻读硕士学位期间发表学术论文情况 | 第40-41页 |
| 致谢 | 第41页 |
