| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第9-19页 |
| ·引言 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·人脸表情识别方法综述 | 第11-16页 |
| ·表情特征提取方法 | 第13-15页 |
| ·表情分类的主要方法 | 第15-16页 |
| ·本文实验所用数据库 | 第16-17页 |
| ·本文内容安排 | 第17-19页 |
| 第2章 人脸表情的特征获取 | 第19-26页 |
| ·图像预处理 | 第19-20页 |
| ·Gabor 特征提取 | 第20-25页 |
| ·二维Gabor 小波变换 | 第21-22页 |
| ·Gabor 小波的参数选取 | 第22-24页 |
| ·Gabor 特征提取 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 Adaboost 算法原理 | 第26-34页 |
| ·重采样技术介绍 | 第26页 |
| ·bagging 算法和boosting 算法简述 | 第26-27页 |
| ·bagging 算法 | 第26页 |
| ·boosting 算法 | 第26-27页 |
| ·Adaboost 方法 | 第27-29页 |
| ·Adaboost 算法概要 | 第27页 |
| ·Adaboost 算法基本原理 | 第27-29页 |
| ·Adaboost 算法性能和误差分析 | 第29-30页 |
| ·Adaboost 多类分类算法 | 第30-33页 |
| ·一种多类分类方法 | 第30-32页 |
| ·另一种多类分类策略 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 人脸表情分类器分析 | 第34-41页 |
| ·最近邻法 | 第34-37页 |
| ·最近邻法决策规则 | 第34-36页 |
| ·最近邻法与Adaboost | 第36-37页 |
| ·决策树分类器 | 第37-40页 |
| ·决策树分类原理介绍 | 第37-38页 |
| ·决策树算法设计 | 第38-39页 |
| ·决策树分类器与Adaboost 结合 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第5章 实验分析 | 第41-46页 |
| ·Adaboost 算法的分类策略对比 | 第41-43页 |
| ·对Adaboost 迭代次数的分析 | 第43-44页 |
| ·与其他相似方法的对比 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第6章 总结与展望 | 第46-49页 |
| ·本文研究内容总结 | 第46-47页 |
| ·展望 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 致谢 | 第53-54页 |
| 附录A 攻读学位期间的研究成果 | 第54页 |