基于典型相关分析的鉴别特征抽取方法研究
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第一章 绪论 | 第12-24页 |
| ·概述 | 第12-14页 |
| ·线性投影分析方法简述 | 第14-18页 |
| ·主分量分析方法概述 | 第15-16页 |
| ·Fisher 线性鉴别分析的研究与改进 | 第16-18页 |
| ·二维图像投影理论的发展 | 第18-19页 |
| ·人脸识别中非线性特征抽取的研究与发展 | 第19-20页 |
| ·特征融合技术的发展及其应用现状 | 第20-21页 |
| ·特征融合技术的基本思想 | 第20页 |
| ·基于典型相关的特征融合方法及其应用 | 第20-21页 |
| ·本文主要研究工作概述 | 第21-22页 |
| ·本文的内容安排 | 第22-24页 |
| 第二章 典型相关分析方法概述及其应用 | 第24-36页 |
| ·典型相关分析的工作目标 | 第24-26页 |
| ·典型相关分析的计算方法 | 第26-28页 |
| ·典型相关分析的基本性质 | 第28-32页 |
| ·典型成分的直交性 | 第29-30页 |
| ·相关系数之间的比例关系 | 第30页 |
| ·相关系数矩阵的分解与重构 | 第30-32页 |
| ·典型相关分析的辅助技术 | 第32-33页 |
| ·组间相关关系的结构分析 | 第32页 |
| ·典型相关系数的显著性检验 | 第32-33页 |
| ·典型成分的命名 | 第33页 |
| ·典型相关分析的具体应用 | 第33-36页 |
| 第三章 组合特征抽取方法及其在人脸识别中的应用 | 第36-54页 |
| ·典型相关分析的基本思想 | 第36-37页 |
| ·组合特征抽取的原理与算法 | 第37-40页 |
| ·组合特征抽取的算法步骤 | 第40-41页 |
| ·高维小样本情况下的组合特征抽取方法 | 第41-46页 |
| ·算法与理论 | 第41-45页 |
| ·算法分析 | 第45-46页 |
| ·融合最大散度差的组合特征抽取方法 | 第46-52页 |
| ·组合特征抽取具体步骤 | 第48页 |
| ·实验结果分析 | 第48-52页 |
| ·本章小结 | 第52-54页 |
| 第四章 基于典型相关分析的增强线性鉴别分析方法 | 第54-64页 |
| ·线性鉴别分析的理论与算法 | 第55-57页 |
| ·线性鉴别分析的基本思想 | 第55-56页 |
| ·最大散度差线性鉴别准则 | 第56-57页 |
| ·增强线性特征向量的提取过程 | 第57-58页 |
| ·实验结果与分析 | 第58-61页 |
| ·本章小结 | 第61-64页 |
| 第五章 典型相关分析的改进算法及其应用 | 第64-74页 |
| ·问题的提出及解决方法 | 第65-69页 |
| ·典型相关分析准则函数及存在的问题 | 第65-66页 |
| ·典型相关分析方法的改进原理分析 | 第66-68页 |
| ·算法分析 | 第68-69页 |
| ·实验结果与分析 | 第69-71页 |
| ·实验方案 | 第69页 |
| ·在ORL 人脸数据库的实验 | 第69-70页 |
| ·在Yale 人脸数据库的实验 | 第70-71页 |
| ·本章结论 | 第71-74页 |
| 第六章 结束语 | 第74-76页 |
| 参考文献 | 第76-84页 |
| 致谢 | 第84-85页 |
| 攻读硕士期间发表或被录用的论文 | 第85-86页 |
