面向人脸和掌纹特征提取的线性降维技术研究
| 摘要 | 第1-6页 |
| Abstract | 第6-15页 |
| 第1章 绪论 | 第15-36页 |
| ·课题研究的目的和意义 | 第15-17页 |
| ·线性降维技术综述 | 第17-26页 |
| ·主成分分析 | 第17-19页 |
| ·线性判别分析 | 第19-23页 |
| ·独立成分分析 | 第23-24页 |
| ·非线性降维技术的线性近似 | 第24-25页 |
| ·线性降维技术的推广 | 第25-26页 |
| ·线性降维技术的应用：人脸和掌纹识别 | 第26-33页 |
| ·人脸识别研究概况 | 第26-29页 |
| ·线性降维技术在人脸识别中的应用 | 第29-30页 |
| ·掌纹识别研究概况 | 第30-32页 |
| ·线性降维技术在掌纹识别中的应用 | 第32-33页 |
| ·课题来源与本文主要研究内容 | 第33-36页 |
| ·课题来源 | 第33页 |
| ·主要研究内容 | 第33-36页 |
| 第2章 双向主成分分析技术 | 第36-64页 |
| ·引言 | 第36-37页 |
| ·主成分分析的过拟合问题 | 第37-42页 |
| ·过拟合 | 第37-39页 |
| ·过拟合问题解决方法综述 | 第39-42页 |
| ·双向主成分分析技术 | 第42-47页 |
| ·双向主成分分析 | 第42-44页 |
| ·实验结果与分析 | 第44-47页 |
| ·组合矩阵距离方法及测试结果 | 第47-63页 |
| ·组合矩阵距离方法 | 第48-51页 |
| ·分类器 | 第51页 |
| ·ORL 库上的错误率分析 | 第51-58页 |
| ·PolyU 掌纹库上的错误率分析 | 第58-63页 |
| ·本章小结 | 第63-64页 |
| 第3章 双向主成分子空间判别分析技术 | 第64-77页 |
| ·引言 | 第64页 |
| ·双向主成分子空间判别分析 | 第64-68页 |
| ·BDPCA+LDA 技术 | 第65-66页 |
| ·BDPCA+LDA 和PCA+LDA 的比较 | 第66-68页 |
| ·实验结果与分析 | 第68-76页 |
| ·ORL 数据库上的实验结果与分析 | 第68-73页 |
| ·FERET 数据库上的实验结果与分析 | 第73-76页 |
| ·本章小结 | 第76-77页 |
| 第4章 判别分析的后处理技术研究 | 第77-105页 |
| ·引言 | 第77-78页 |
| ·线性判别分析的后处理技术 | 第78-95页 |
| ·判别向量的后处理技术 | 第78-79页 |
| ·后处理技术在增强Fisher 判别模型中的应用 | 第79-86页 |
| ·后处理技术在完全Fisher 判别框架中的应用 | 第86-95页 |
| ·后处理技术的进一步分析 | 第95-97页 |
| ·从图像欧氏距离到图像内积 | 第95-96页 |
| ·从图像内积到判别向量后处理技术 | 第96-97页 |
| ·后处理技术与BDPCA+LDA 的融合 | 第97-104页 |
| ·判别分析技术的融合 | 第97-100页 |
| ·实验结果与分析 | 第100-104页 |
| ·本章小结 | 第104-105页 |
| 第5章 主成分分析技术的鲁棒性研究 | 第105-118页 |
| ·引言 | 第105-106页 |
| ·特征脸的循环加权匹配技术 | 第106-111页 |
| ·鲁棒主成分分析 | 第106-108页 |
| ·特征脸的循环加权匹配 | 第108-110页 |
| ·收敛性分析 | 第110-111页 |
| ·实验结果与分析 | 第111-117页 |
| ·实验数据与预处理 | 第111-113页 |
| ·实验结果与分析 | 第113-117页 |
| ·本章小结 | 第117-118页 |
| 结论 | 第118-120页 |
| 参考文献 | 第120-132页 |
| 攻读博士学位期间发表的学术论文 | 第132-135页 |
| 致谢 | 第135-136页 |
| 简历 | 第136页 |
