| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 前言 | 第10-18页 |
| 1.1 引言 | 第10页 |
| 1.2 论文研究背景及意义 | 第10-14页 |
| 1.2.1 人脸识别的应用背景 | 第10-12页 |
| 1.2.2 人脸识别的发展现状 | 第12-14页 |
| 1.3 稀疏表达SR方法的研究现状 | 第14-16页 |
| 1.4 本论文的主要研究内容及结构安排 | 第16-18页 |
| 第2章 稀疏表达SR算法的机制及分类 | 第18-28页 |
| 2.1 引言 | 第18页 |
| 2.2 SR算法原理 | 第18-22页 |
| 2.3 基本的SR算法 | 第22-23页 |
| 2.4 改进的SR算法 | 第23-27页 |
| 2.4.1 近邻约束的SR算法 | 第23页 |
| 2.4.2 图嵌入SR算法 | 第23-24页 |
| 2.4.3 鉴别性SR算法 | 第24页 |
| 2.4.4 加入空间信息的SR算法 | 第24-25页 |
| 2.4.5 加入旋转信息的SR算法 | 第25-26页 |
| 2.4.6 核空间SR算法 | 第26-27页 |
| 2.5 SR算法的不足 | 第27页 |
| 2.6 本章小节 | 第27-28页 |
| 第3章 再生核希尔伯特空间中基于SR算法的分类方法 | 第28-42页 |
| 3.1 引言 | 第28页 |
| 3.2 SRC方法和CRC方法 | 第28-32页 |
| 3.3 KSRC方法和KCRC方法 | 第32-37页 |
| 3.3.1 核方法的介绍 | 第33-35页 |
| 3.3.2 核空间中基于稀疏表达算法的分类器KSRC算法 | 第35-36页 |
| 3.3.3 核空间中基于协同表达算法的分类器KCRC算法 | 第36-37页 |
| 3.4 实验与分析 | 第37-41页 |
| 3.4.1 扩展的Yale B数据库 | 第38页 |
| 3.4.2 AR数据库 | 第38页 |
| 3.4.3 CMU PIE数据库 | 第38-40页 |
| 3.4.4 实验结果及分析 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 再生核希尔伯特空间中基于分类词典学习的SR算法 | 第42-53页 |
| 4.1 引言 | 第42页 |
| 4.2 CSDL-SRC方法和CSDL-CRC方法 | 第42-44页 |
| 4.3 目标函数的优化 | 第44-48页 |
| 4.3.1 CSDL-SRC的目标函数优化 | 第44-46页 |
| 4.3.2 CSDL-CRC的目标函数优化 | 第46-48页 |
| 4.4 CSDL-KSRC和CSDL-KCRC | 第48-49页 |
| 4.4.1 核空间词典学习 | 第48页 |
| 4.4.2 核空间中基于每类词典学习的SRC方法CSDL-KSRC | 第48-49页 |
| 4.4.3 核空间中基于每类词典学习的CRC方法CSDL-KCRC | 第49页 |
| 4.5 实验与分析 | 第49-52页 |
| 4.5.1 在扩展的Yale B数据库上的实验与结果分析 | 第50页 |
| 4.5.2 在AR数据库上的实验及结果分析 | 第50-51页 |
| 4.5.3 在CMU PIE数据库上的实验及结果分析 | 第51-52页 |
| 4.6 本章小结 | 第52-53页 |
| 总结与展望 | 第53-55页 |
| 参考文献 | 第55-62页 |
| 攻读硕士学位期间取得的学术成果 | 第62-63页 |
| 致谢 | 第63页 |
