| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 课题背景 | 第8-9页 |
| 1.2 课题研究的目的和意义 | 第9页 |
| 1.3 国内外研究现状 | 第9-13页 |
| 1.4 主要研究内容和论文组织结构 | 第13-15页 |
| 1.4.1 主要研究内容 | 第13-14页 |
| 1.4.2 论文组织结构 | 第14-15页 |
| 第2章 贝叶斯人脸识别的基本理论 | 第15-22页 |
| 2.1 引言 | 第15页 |
| 2.2 贝叶斯人脸识别方法简介 | 第15-21页 |
| 2.2.1 朴素贝叶斯分类算法 | 第15-17页 |
| 2.2.2 贝叶斯分类算法 | 第17-19页 |
| 2.2.3 联合贝叶斯分类算法 | 第19-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第3章 优化的朴素贝叶斯人脸识别算法 | 第22-32页 |
| 3.1 引言 | 第22页 |
| 3.2 朴素贝叶斯人脸识别算法优缺点分析 | 第22页 |
| 3.3 优化的朴素贝叶斯人脸识别算法 | 第22-25页 |
| 3.3.1 算法流程 | 第22-23页 |
| 3.3.2 详细步骤 | 第23-25页 |
| 3.4 优化的朴素贝叶斯人脸识别算法的实验结果与分析 | 第25-31页 |
| 3.4.1 算法在ORL人脸库上的实验 | 第26-27页 |
| 3.4.2 算法在GT人脸库上的实验 | 第27-28页 |
| 3.4.3 算法在AR人脸库上的实验 | 第28-30页 |
| 3.4.4 算法分析 | 第30-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第4章 基于加权子相似度联合贝叶斯人脸识别算法 | 第32-42页 |
| 4.1 引言 | 第32页 |
| 4.2 加权子相似度联合贝叶斯人脸识别算法 | 第32-35页 |
| 4.2.1 联合贝叶斯人脸识别算法分析 | 第32页 |
| 4.2.2 子相似度 | 第32-33页 |
| 4.2.3 基于逻辑回归模型的参数求解 | 第33-34页 |
| 4.2.4 算法流程 | 第34-35页 |
| 4.3 实验中人脸特征提取 | 第35-36页 |
| 4.3.1 局部二值模式 | 第35-36页 |
| 4.3.2 主成份分析 | 第36页 |
| 4.4 实验结果及分析 | 第36-41页 |
| 4.4.1 实验数据库说明 | 第36-37页 |
| 4.4.2 算法在LFW库上的实验 | 第37-38页 |
| 4.4.3 算法在WDRef库上的实验 | 第38-39页 |
| 4.4.4 算法分析 | 第39-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第5章 联合贝叶斯算法在人脸识别系统中的应用 | 第42-53页 |
| 5.1 引言 | 第42页 |
| 5.2 基于深度学习和联合贝叶斯人脸识别系统简介 | 第42-47页 |
| 5.2.1 系统框架图 | 第42-43页 |
| 5.2.2 基于卷积神经网络的人脸特征提取 | 第43-45页 |
| 5.2.3 系统说明 | 第45-47页 |
| 5.3 自相似度在联合贝叶斯算法中的应用 | 第47-49页 |
| 5.3.1 问题描述及分析 | 第47页 |
| 5.3.2 自相似度 | 第47-49页 |
| 5.4 实验分析 | 第49-52页 |
| 5.4.1 数据库说明 | 第49-50页 |
| 5.4.2 算法在NLFD上的实验 | 第50-51页 |
| 5.4.3 算法在MLFD库上的实验 | 第51-52页 |
| 5.5 本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 攻读硕士期间发表的论文及其它成果 | 第58-60页 |
| 致谢 | 第60页 |