| 表目录 | 第1-8页 |
| 图目录 | 第8-9页 |
| 摘要 | 第9-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第11-19页 |
| ·生物特征识别 | 第11-14页 |
| ·生物特征识别技术的发展 | 第11-12页 |
| ·常用生物特征识别技术 | 第12-14页 |
| ·基于足迹的生物特征识别 | 第14-17页 |
| ·足迹检验用于人体身份鉴别的基础 | 第14-15页 |
| ·立体足迹身份鉴别技术研究现状 | 第15-17页 |
| ·本文工作和内容安排 | 第17-19页 |
| 第二章 立体赤足迹特征形成及特征降维方法概述 | 第19-31页 |
| ·统计模式识别的基本结构 | 第19页 |
| ·立体赤足迹三维曲面特征形成 | 第19-21页 |
| ·立体赤足迹的三维模型描述 | 第20-21页 |
| ·立体赤足迹三维曲面特征参数的形成 | 第21页 |
| ·特征降维方法分析 | 第21-30页 |
| ·特征降维方法概述 | 第21-22页 |
| ·常见的特征提取算法 | 第22页 |
| ·特征选择算法的分类 | 第22-23页 |
| ·特征选择算法的结构 | 第23-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 基于PCA和FLD的立体赤足迹识别方法 | 第31-40页 |
| ·引言 | 第31页 |
| ·主成分分析(PCA) | 第31-32页 |
| ·PCA的基本概念 | 第31-32页 |
| ·PCA的求解步骤 | 第32页 |
| ·Fisher线性判别(FLD) | 第32-35页 |
| ·基于PCA和FLD的立体赤足迹识别方法描述 | 第35-36页 |
| ·立体赤足迹识别的实验结果 | 第36-39页 |
| ·PCA+FLD方法的实验结果 | 第36-38页 |
| ·直接采用FLD的实验结果 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于ReCoTabuBayes算法的立体赤足迹识别方法 | 第40-51页 |
| ·引言 | 第40-41页 |
| ·ReliefF算法 | 第41-42页 |
| ·ReliefF算法的基本原理 | 第41页 |
| ·ReliefF算法的具体实现 | 第41-42页 |
| ·相关分析法 | 第42-44页 |
| ·相关分析的基本原理 | 第42-43页 |
| ·相关分析的具体实现 | 第43-44页 |
| ·Tabu搜索算法 | 第44-45页 |
| ·Tabu搜索的基本原理 | 第44-45页 |
| ·Tabu搜索的具体实现 | 第45页 |
| ·贝叶斯决策 | 第45-47页 |
| ·ReCoTabuBayes算法描述 | 第47-48页 |
| ·ReCoTabuBayes算法的实验结果 | 第48-49页 |
| ·基于SBS算法的实验结果 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 基于ReNNEn算法的立体赤足迹识别方法 | 第51-59页 |
| ·引言 | 第51页 |
| ·神经网络集成概述 | 第51-54页 |
| ·结论生成方法分析 | 第51-53页 |
| ·个体生成方法分析 | 第53-54页 |
| ·ReNNEn算法描述 | 第54-56页 |
| ·实验结果 | 第56-58页 |
| ·与ReBag算法的比较 | 第56-57页 |
| ·立体赤足迹识别的实验结果 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第六章 基于高斯曲率和法向量的三维曲面相似性判别方法 | 第59-67页 |
| ·引言 | 第59页 |
| ·曲面表面的高斯曲率和法向量 | 第59-61页 |
| ·基于高斯曲率和法向量的曲面相似性判别方法 | 第61-64页 |
| ·高斯曲率的量化 | 第61页 |
| ·法向量的量化 | 第61页 |
| ·高斯曲率—法向量联合分布曲面 | 第61-64页 |
| ·实验结果及分析 | 第64-66页 |
| ·一些简单三维物体相似性判别的实验结果及分析 | 第64-65页 |
| ·立体赤足迹相似性判别的实验结果及分析 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 结束语 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 作者简历 攻读硕士学位期间完成的主要工作 | 第71-72页 |
| 致谢 | 第72页 |