人脸识别中子空间降维方法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 符号说明 | 第10-11页 |
| 第一章 绪论 | 第11-24页 |
| 1.1 人脸识别研究背景和意义 | 第11-12页 |
| 1.2 人脸识别国内外研究现状 | 第12-16页 |
| 1.2.1 基于知识的特征抽取方法 | 第12-13页 |
| 1.2.2 基于代数特征的特征抽取方法 | 第13-16页 |
| 1.3 人脸识别研究的内容和挑战 | 第16-21页 |
| 1.3.1 人脸识别的研究内容 | 第16-18页 |
| 1.3.2 人脸识别的研究方法 | 第18-20页 |
| 1.3.3 人脸识别研究的挑战 | 第20-21页 |
| 1.4 本文研究的主要内容 | 第21-22页 |
| 1.5 本文内容的安排 | 第22-24页 |
| 第二章 人脸数据降维及子空间分析概述 | 第24-32页 |
| 2.1 引言 | 第24-25页 |
| 2.2 线性子空间降维算法 | 第25-27页 |
| 2.2.1 主成分分析 | 第25-26页 |
| 2.2.2 线性鉴别分析 | 第26-27页 |
| 2.3 非线性子空间降维算法 | 第27-31页 |
| 2.3.1 局部保持投影 | 第27-28页 |
| 2.3.2 局部线性嵌入 | 第28-29页 |
| 2.3.3 拉普拉斯特征映射 | 第29-30页 |
| 2.3.4 等距映射 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 基于局部排序PCA的线性鉴别算法 | 第32-41页 |
| 3.1 引言 | 第32-33页 |
| 3.2 分块PCA人脸识别算法 | 第33-34页 |
| 3.3 一种基于分块排序PCA的线性鉴别算法 | 第34-37页 |
| 3.3.1 PCA+LDA算法 | 第34-35页 |
| 3.3.2 MSPCA+LDA算法 | 第35-36页 |
| 3.3.3 算法步骤 | 第36-37页 |
| 3.4 实验结果与分析 | 第37-40页 |
| 3.4.1 ORL人脸库实验 | 第37-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 基于加权最大间距准则的局部保持投影 | 第41-50页 |
| 4.1 引言 | 第41-42页 |
| 4.2 加权最大间距准则算法 | 第42-43页 |
| 4.2.1 最大间距准则算法 | 第42页 |
| 4.2.2 加权最大间距准则算法 | 第42-43页 |
| 4.3 基于加权最大间距准则的局部保持投影 | 第43-45页 |
| 4.3.1 算法介绍 | 第43-44页 |
| 4.3.2 算法步骤 | 第44-45页 |
| 4.4 实验结果与分析 | 第45-49页 |
| 4.4.1 ORL人脸库实验 | 第45-47页 |
| 4.4.2 Yale人脸库实验 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 基于近邻局部保持投影的线性鉴别分析 | 第50-58页 |
| 5.1 引言 | 第50页 |
| 5.2 重近邻构LDA算法 | 第50-51页 |
| 5.3 基于近邻正交局部保持投影的线性鉴别分析 | 第51-53页 |
| 5.3.1 算法介绍 | 第52页 |
| 5.3.2 算法步骤 | 第52-53页 |
| 5.4 实验结果与分析 | 第53-57页 |
| 5.4.1 ORL人脸库实验 | 第53-55页 |
| 5.4.2 Yale人脸库实验 | 第55-57页 |
| 5.5 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-61页 |
| 6.1 总结 | 第58-59页 |
| 6.2 展望 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 致谢 | 第67-69页 |
| 附录 | 第69-71页 |
