基于机器学习的人脸美感分析研究
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 序 | 第8-11页 |
| 1 引言 | 第11-17页 |
| ·论文的研究背景与意义 | 第11-14页 |
| ·人脸美感分析技术的发展过程 | 第12页 |
| ·人脸美感分析技术的应用 | 第12-14页 |
| ·人脸美感分析技术的发展趋势 | 第14页 |
| ·本文的研究工作 | 第14-15页 |
| ·论文的安排 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 2 人脸美感分析方法 | 第17-23页 |
| ·基于子空间的方法 | 第17-20页 |
| ·基于几何特征的方法 | 第20-22页 |
| ·基于机器学习的人脸美感分析存在的技术难题 | 第22页 |
| ·本章小结 | 第22-23页 |
| 3 基于表象子空间的人脸美感分析 | 第23-33页 |
| ·子空间分析 | 第23-24页 |
| ·主成分分析 | 第23页 |
| ·广义矩阵低秩逼近 | 第23-24页 |
| ·特征选择 | 第24-26页 |
| ·高斯场模型 | 第26-27页 |
| ·实验结果与分析 | 第27-31页 |
| ·本章小结 | 第31-33页 |
| 4 基于几何特征的人脸美感分析 | 第33-51页 |
| ·几何特征提取与选择 | 第33-38页 |
| ·几何点标注 | 第34页 |
| ·特征组合描述 | 第34-38页 |
| ·基于Adaboost集成学习的美感分析模型 | 第38-40页 |
| ·Adaboost集成学习 | 第38-39页 |
| ·基于Adaboost集成学习人脸美感分析流程图 | 第39-40页 |
| ·基于记忆的动态加权核密度估计 | 第40-45页 |
| ·核密度估计 | 第41-42页 |
| ·动态加权核密度估计 | 第42-43页 |
| ·基于记忆的动态加权核密度估计 | 第43-45页 |
| ·实验结果与分析 | 第45-49页 |
| ·本章小结 | 第49-51页 |
| 5 基于共享子空间的人脸美感分析 | 第51-59页 |
| ·拉普拉斯约束的共享子空间 | 第51-54页 |
| ·多输出正则投影 | 第51页 |
| ·拉普拉斯约束的多输出正则投影 | 第51-54页 |
| ·在线拉普拉斯约束的多输出正则投影 | 第54-56页 |
| ·支持向量机 | 第56-57页 |
| ·实验结果与分析 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 6 总结 | 第59-61页 |
| ·工作总结 | 第59-60页 |
| ·工作展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 作者简历 | 第65-69页 |
| 学位论文数据集 | 第69页 |
