模糊支持向量机在人脸识别中的应用
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| ·研究背景及意义 | 第9-10页 |
| ·相关研究现状 | 第10-12页 |
| ·本文的研究内容和组织结构 | 第12-14页 |
| ·研究内容 | 第12-13页 |
| ·组织结构 | 第13-14页 |
| 第二章 支持向量机及其理论基础 | 第14-22页 |
| ·统计学习理论 | 第14-17页 |
| ·学习过程的一致性条件 | 第14-15页 |
| ·函数集的学习性能与VC维 | 第15-16页 |
| ·推广性的界 | 第16-17页 |
| ·结构风险最小化 | 第17页 |
| ·最优分类面 | 第17-19页 |
| ·线性最优分类面 | 第17-19页 |
| ·广义最优分类面 | 第19页 |
| ·支持向量机(SVM) | 第19-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 模糊支持向量机算法和二分类问题 | 第22-34页 |
| ·模糊支持向量机 | 第22-25页 |
| ·模糊K近邻算法和对隶属度求解 | 第25-28页 |
| ·K近邻算法 | 第25-27页 |
| ·基于模糊K近邻算法的隶属度求解 | 第27-28页 |
| ·模糊支持向量机算法在二分类中的简单应用 | 第28-32页 |
| ·人工数据的测试 | 第28-29页 |
| ·稻米恶白粒率检测 | 第29-32页 |
| ·K近邻的查找方法 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 人脸图像的预处理和特征的提取 | 第34-43页 |
| ·人脸图像的预处理 | 第34-35页 |
| ·人脸图像特征提取 | 第35-41页 |
| ·独立成分分析(ICA) | 第35-36页 |
| ·主成分分析(PCA) | 第36-38页 |
| ·二维主成分分析(2DPCA) | 第38-41页 |
| ·本章小结 | 第41-43页 |
| 第五章 基于改进模糊支持向量机的人脸识别 | 第43-51页 |
| ·支持向量机的多分类设计 | 第43-44页 |
| ·一对一方法 | 第43页 |
| ·一对多方法 | 第43页 |
| ·决策树分类 | 第43-44页 |
| ·人脸特征模糊隶属度的计算 | 第44-45页 |
| ·算法在人脸识别中的应用 | 第45-49页 |
| ·特征分量选取 | 第45-47页 |
| ·人脸识别 | 第47-49页 |
| ·实验结果分析 | 第49页 |
| ·本章小结 | 第49-51页 |
| 结束语 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 附录 (攻读学位期间发表论文目录及参加科研项目) | 第57页 |
