基于流形学习的人脸识别算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 1 引言 | 第9-13页 |
| ·人脸识别问题的提出及其流程 | 第9页 |
| ·人脸特征提取 | 第9-11页 |
| ·本文研究工作 | 第11-12页 |
| ·论文的组织结构 | 第12-13页 |
| 2 经典特征提取算法 | 第13-37页 |
| ·主成分分析(PCA) | 第13-15页 |
| ·线性鉴别分析(LDA) | 第15-17页 |
| ·最大间距准则(MMC) | 第17-19页 |
| ·二维主成分分析(2DPCA) | 第19-20页 |
| ·局部线性嵌入 | 第20-23页 |
| ·保持近邻嵌入 | 第23-24页 |
| ·拉普拉斯特征映射 | 第24-25页 |
| ·局部保持投影 | 第25-27页 |
| ·无监督分类映射 | 第27-29页 |
| ·实验 | 第29-37页 |
| ·最近邻分类器 | 第29页 |
| ·数据库简介 | 第29-30页 |
| ·经典线性算法实验 | 第30-32页 |
| ·流形学习算法实验 | 第32-37页 |
| 3 局部保持分类投影 | 第37-45页 |
| ·局部保持分类投影算法思想 | 第37-41页 |
| ·局部保持分类投影实验 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 4 增强型二维近邻保持嵌入 | 第45-55页 |
| ·E2DNPE 算法的思想 | 第46-49页 |
| ·二维最近邻分类器 | 第49页 |
| ·基于2D 算法的约数法 | 第49-51页 |
| ·二维近邻保持嵌入实验 | 第51-54页 |
| ·本章小结 | 第54-55页 |
| 5 总结与展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-59页 |
| 攻读学位期间发表的学术论文 | 第59-60页 |
