基于模糊特征抽取的图像识别算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究的背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文的主要研究工作与内容安排 | 第12-14页 |
| 第二章 模糊集理论与特征抽取算法介绍 | 第14-24页 |
| 2.1 模糊集理论 | 第14-18页 |
| 2.1.1 模糊隶属度 | 第14-15页 |
| 2.1.2 模糊特征 | 第15-16页 |
| 2.1.3 模糊结果 | 第16-17页 |
| 2.1.4 特征的模糊评价 | 第17-18页 |
| 2.1.5 基于“软标号”的特征抽取算法 | 第18页 |
| 2.2 特征抽取相关算法 | 第18-23页 |
| 2.2.1 主成分分析概述 | 第18-19页 |
| 2.2.2 线性判别分析概述 | 第19-20页 |
| 2.2.3 典型相关分析概述 | 第20-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 模糊典型相关分析算法 | 第24-35页 |
| 3.1 引言 | 第24-25页 |
| 3.2 典型相关分析 | 第25页 |
| 3.3 模糊典型相关分析算法 | 第25-30页 |
| 3.3.1 动机 | 第25-26页 |
| 3.3.2 算法模型 | 第26-27页 |
| 3.3.3 模型求解 | 第27-30页 |
| 3.3.4 算法描述 | 第30页 |
| 3.4 实验结果与分析 | 第30-34页 |
| 3.4.1 COIL-100对象数据库 | 第31-33页 |
| 3.4.2 AR人脸数据库 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 模糊分数阶典型相关算法 | 第35-47页 |
| 4.1 引言 | 第35-36页 |
| 4.2 分数阶思想 | 第36-37页 |
| 4.3 模糊分数阶典型相关分析算法 | 第37-41页 |
| 4.3.1 模糊策略 | 第38-39页 |
| 4.3.2 模糊分数阶散布矩阵构造 | 第39-40页 |
| 4.3.3 模型建立以及求解 | 第40-41页 |
| 4.4 实验结果与分析 | 第41-45页 |
| 4.4.1 实验数据集及实验设置 | 第41-42页 |
| 4.4.2 实验结果分析 | 第42-45页 |
| 4.5 本章小结 | 第45-47页 |
| 第五章 模糊局部典型相关算法 | 第47-54页 |
| 5.1 引言 | 第47-48页 |
| 5.2 算法动机 | 第48-49页 |
| 5.3 模糊局部典型相关分析 | 第49-51页 |
| 5.3.1 模糊局部策略 | 第49-50页 |
| 5.3.2 模型建立及求解 | 第50-51页 |
| 5.4 实验结果与分析 | 第51-53页 |
| 5.4.1 COIL-100对象数据库 | 第51-52页 |
| 5.4.2 AR人脸数据库 | 第52-53页 |
| 5.5 本章小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| 6.1 主要结论 | 第54-55页 |
| 6.2 展望 | 第55-56页 |
| 参考文献 | 第56-62页 |
| 致谢 | 第62-63页 |
| 攻读硕士学位期间参与的科研工作及发表的论文 | 第63-65页 |
