基于改进主成分分析方法的人脸识别算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-14页 |
| ·研究背景 | 第9页 |
| ·几种生物特征识别技术 | 第9-11页 |
| ·指纹识别 | 第9页 |
| ·虹膜识别 | 第9-10页 |
| ·掌纹识别 | 第10页 |
| ·语音识别 | 第10页 |
| ·人脸识别 | 第10-11页 |
| ·人脸识别技术的发展历史及现状 | 第11-12页 |
| ·人脸识别的优势 | 第12页 |
| ·人脸识别技术应用领域 | 第12-13页 |
| ·本文的工作及章节安排 | 第13-14页 |
| 第二章 人脸识别技术 | 第14-25页 |
| ·人脸识别的研究内容 | 第14页 |
| ·人脸图像的预处理 | 第14-15页 |
| ·人脸检测与定位 | 第15-17页 |
| ·基于统计的人脸检测方法 | 第15-16页 |
| ·基于知识建模的人脸检测方法 | 第16页 |
| ·基于模板匹配的人脸检测方法 | 第16-17页 |
| ·人脸特征提取 | 第17-21页 |
| ·基于几何特征的方法 | 第17页 |
| ·基于模型匹配的方法 | 第17-18页 |
| ·基于统计的方法 | 第18-20页 |
| ·基于连接机制的方法 | 第20-21页 |
| ·分类 | 第21-23页 |
| ·基于统计模式的分类器 | 第21页 |
| ·神经网络分类器 | 第21-22页 |
| ·判别函数分类器 | 第22-23页 |
| ·常用的标准人脸数据库 | 第23-25页 |
| 第三章 粗糙集属性约简算法 | 第25-36页 |
| ·粗糙集理论发展状况 | 第25页 |
| ·粗糙集理论基础 | 第25-27页 |
| ·知识库 | 第25-26页 |
| ·粗糙集 | 第26页 |
| ·信息系统与决策表 | 第26-27页 |
| ·知识约简 | 第27-35页 |
| ·属性约简与核 | 第28-30页 |
| ·连续属性离散化 | 第30-31页 |
| ·基于差别矩阵的属性约简算法 | 第31-33页 |
| ·基于属性重要性的属性约简算法 | 第33-34页 |
| ·基于启发函数的属性约简算法 | 第34-35页 |
| ·小结 | 第35-36页 |
| 第四章 改进主成分分析方法的人脸识别算法 | 第36-44页 |
| ·PCA基本原理 | 第36-40页 |
| ·人脸的表示 | 第36页 |
| ·主成分分析法的基本概念 | 第36-38页 |
| ·求主成分的计算过程 | 第38-40页 |
| ·利用特征脸进行人脸识别 | 第40页 |
| ·对经PCA选取的特征向量进行简化 | 第40-42页 |
| ·算法步骤 | 第42页 |
| ·算法示意图 | 第42-44页 |
| 第五章 属性约简与实验结果分析 | 第44-53页 |
| ·基于启发函数的属性约简算法 | 第44-45页 |
| ·建立决策表 | 第44-45页 |
| ·属性约简 | 第45页 |
| ·人脸图像数据库 | 第45-46页 |
| ·经PCA变换后提取特征向量 | 第46-48页 |
| ·基于RS约简特征向量 | 第48-49页 |
| ·实验结果分析 | 第49-51页 |
| ·特征向量的数目对算法的影响 | 第49-50页 |
| ·改进的PCA识别算法运行结果 | 第50-51页 |
| ·识别结果比较 | 第51页 |
| ·小结 | 第51-53页 |
| 第六章 结束语 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 攻读学位期间发表的学术论文 | 第59页 |
