| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-27页 |
| 1.1 表情识别的研究背景和意义 | 第11-12页 |
| 1.2 表情识别的发展历程和基本流程 | 第12-16页 |
| 1.2.1 发展历程 | 第12-13页 |
| 1.2.2 基本流程 | 第13-16页 |
| 1.3 表情识别的国内外研究现状 | 第16-23页 |
| 1.3.1 人脸检测与定位 | 第16-18页 |
| 1.3.2 表情特征提取 | 第18-21页 |
| 1.3.3 人脸表情识别方法 | 第21-23页 |
| 1.4 本文的主要内容与结构安排 | 第23-27页 |
| 1.4.1 论文主要研究内容及贡献 | 第23-24页 |
| 1.4.2 论文章节安排 | 第24-27页 |
| 第二章 视频人脸表情的特征提取 | 第27-37页 |
| 2.1 相关工作 | 第27-32页 |
| 2.1.1 三维局部二元模式特征描述子 | 第27-31页 |
| 2.1.2 Gabor小波 | 第31-32页 |
| 2.2 视频人脸表情的三维局部Gabor二元模式特征提取 | 第32-33页 |
| 2.2.1 预处理 | 第32页 |
| 2.2.2 三维的局部Gabor二元模式特征提取 | 第32-33页 |
| 2.3 实验 | 第33-36页 |
| 2.3.1 数据集及实验设置 | 第33-35页 |
| 2.3.2 实验结果与分析 | 第35-36页 |
| 2.4 本章小结 | 第36-37页 |
| 第三章 基于多视角降维的视频人脸表情识别 | 第37-55页 |
| 3.1 相关工作 | 第38-39页 |
| 3.1.1 多视角学习 | 第38-39页 |
| 3.2 基于任意稀疏结构的多视角无监督降维 | 第39-43页 |
| 3.2.1 问题形式化 | 第40-41页 |
| 3.2.2 优化算法 | 第41-43页 |
| 3.3 基于任意联合稀疏结构的多视角降维 | 第43-49页 |
| 3.3.1 无监督降维 | 第43-48页 |
| 3.3.2 半监督降维 | 第48-49页 |
| 3.4 实验 | 第49-54页 |
| 3.4.1 数据集及特征选择 | 第50-51页 |
| 3.4.2 比较方法及实验设置 | 第51-53页 |
| 3.4.3 实验结果与分析 | 第53-54页 |
| 3.5 本章小结 | 第54-55页 |
| 第四章 神经网络在表情识别分类中的应用研究 | 第55-69页 |
| 4.1 相关工作 | 第55-60页 |
| 4.1.1 神经网络构造算法 | 第56-57页 |
| 4.1.2 神经网络剪枝算法 | 第57-59页 |
| 4.1.3 神经网络集成 | 第59-60页 |
| 4.2 基于结构分解的神经网络多类分类算法 | 第60-65页 |
| 4.2.1 神经网络的泛化理论 | 第60-61页 |
| 4.2.2 神经网络的结构分解理论 | 第61-63页 |
| 4.2.3 基于结构分解的神经网分类算法 | 第63-65页 |
| 4.3 算法在视频人脸表情中的应用 | 第65-66页 |
| 4.3.1 基于结构分解的多分类灵敏度剪枝算法 | 第65-66页 |
| 4.3.2 基于结构分解的多分类级联相关性构造算法 | 第66页 |
| 4.4 本章小结 | 第66-69页 |
| 第五章 基于多示例学习的视频人脸表情预检测 | 第69-83页 |
| 5.1 相关工作 | 第70-72页 |
| 5.1.1 事件预检测 | 第70-71页 |
| 5.1.2 多示例学习 | 第71-72页 |
| 5.2 基于多示例学习的表情预检测算法及其在线学习模型 | 第72-78页 |
| 5.2.1 问题形式化 | 第72-75页 |
| 5.2.2 优化算法 | 第75-77页 |
| 5.2.3 时间复杂度 | 第77-78页 |
| 5.3 实验 | 第78-81页 |
| 5.3.1 数据集及特征选择 | 第78页 |
| 5.3.2 比较方法及实验设置 | 第78-79页 |
| 5.3.3 评价准则 | 第79页 |
| 5.3.4 实验结果与分析 | 第79-81页 |
| 5.4 本章小结 | 第81-83页 |
| 第六章 总结与展望 | 第83-87页 |
| 6.1 论文的主要工作 | 第83-85页 |
| 6.2 展望 | 第85-87页 |
| 参考文献 | 第87-103页 |
| 附录A 正文部分定理的证明 | 第103-105页 |
| 附录B 博士在读期间发表论文及主持科研项目 | 第105-107页 |
| 致谢 | 第107页 |
