| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-19页 |
| ·课题研究的目的及背景 | 第10页 |
| ·人脸识别技术 | 第10-14页 |
| ·人脸特征提取 | 第11-12页 |
| ·人脸匹配和识别 | 第12-14页 |
| ·径向基神经网络分类器 | 第14-15页 |
| ·存在的问题 | 第15-16页 |
| ·特征提取存在的问题 | 第15-16页 |
| ·分类器存在的问题 | 第16页 |
| ·本文研究工作概述 | 第16-18页 |
| ·本文的内容安排 | 第18-19页 |
| 第2章 核空间的构造 | 第19-36页 |
| ·特征提取方法 | 第19-23页 |
| ·基于Fisher准则的线性特征提取方法 | 第19-22页 |
| ·基于Fisher准则的非线性特征提取方法 | 第22-23页 |
| ·核空间的构造 | 第23-27页 |
| ·基本定义 | 第23-24页 |
| ·构造核空间 | 第24-27页 |
| ·KFD的本质是否为KPCA+LDA | 第27-35页 |
| ·KPCA+LDA | 第27-30页 |
| ·实验数据和分析 | 第30-35页 |
| ·本章小结 | 第35-36页 |
| 第3章 核可鉴别的共同向量方法 | 第36-45页 |
| ·共同向量方法 | 第36-38页 |
| ·可鉴别的共同向量方法 | 第38-39页 |
| ·核可鉴别的共同向量方法 | 第39-41页 |
| ·实验数据与分析 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 基于Fisher准则的径向基神经网络分类器 | 第45-60页 |
| ·人工神经网络分类器 | 第45-46页 |
| ·基本RBF神经网络 | 第46-50页 |
| ·基本学习策略 | 第50-51页 |
| ·中心位置的选择 | 第51-55页 |
| ·K均值聚类 | 第51-52页 |
| ·基于Fisher线性鉴别函数准则的聚类方法 | 第52-53页 |
| ·实验数据与分析 | 第53-55页 |
| ·基于RBF分类器的核可鉴别共同向量方法 | 第55-58页 |
| ·本章小结 | 第58-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 攻读学位期间发表的学术论文 | 第68-70页 |
| 致谢 | 第70页 |