基于数据重构的子空间人脸识别算法研究
| 中文摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-20页 |
| 1.1 课题研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 人脸识别问题描述 | 第11-12页 |
| 1.2.2 研究现状综述及发展趋势 | 第12-16页 |
| 1.3 实验人脸库介绍 | 第16-18页 |
| 1.4 本文主要工作 | 第18-19页 |
| 1.5 本文组织结构 | 第19-20页 |
| 第二章 数据重构和子空间方法 | 第20-31页 |
| 2.1 主成分重构与主成分分析 | 第21-22页 |
| 2.2 欧氏距离重构 | 第22-24页 |
| 2.2.1 线性判别分析 | 第23页 |
| 2.2.2 局部保持投影 | 第23-24页 |
| 2.3 稀疏表示重构 | 第24-26页 |
| 2.3.1 稀疏保持投影 | 第26页 |
| 2.4 线性重构 | 第26-29页 |
| 2.4.1 线性判别回归分类 | 第27-28页 |
| 2.4.2 重构判别分析 | 第28-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第三章 稀疏重构判别分析 | 第31-44页 |
| 3.1 监督型稀疏保持投影 | 第32-34页 |
| 3.2 稀疏重构判别分析 | 第34-37页 |
| 3.2.1 算法推导 | 第34-36页 |
| 3.2.2 算法步骤 | 第36-37页 |
| 3.3 实验结果及分析 | 第37-42页 |
| 3.3.1 异类近邻参数的选择 | 第37-38页 |
| 3.3.2 二维投影分析 | 第38-40页 |
| 3.3.3 特征维度和训练样本数对识别率的影响 | 第40-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第四章 权值正交重构判别分析 | 第44-60页 |
| 4.1 正交拉普拉斯特征脸 | 第45-46页 |
| 4.2 权值正交线性重构判别分析 | 第46-51页 |
| 4.2.1 算法推导 | 第47-51页 |
| 4.2.2 算法步骤 | 第51页 |
| 4.3 实验结果及分析 | 第51-59页 |
| 4.3.1 异类近邻参数的选择 | 第51-52页 |
| 4.3.2 二维投影分析 | 第52-54页 |
| 4.3.3 特征维度和分类器对识别率的影响 | 第54-57页 |
| 4.3.4 训练样本数对识别率的影响 | 第57-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第五章总结与展望 | 第60-62页 |
| 5.1 工作总结 | 第60-61页 |
| 5.2 未来展望 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间发表的论文 | 第67-68页 |
| 致谢 | 第68-69页 |
