基于流形子空间分析的人脸识别算法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 人脸识别技术的研究现状 | 第11-14页 |
| 1.2.1 人脸识别研究的发展概况 | 第12-13页 |
| 1.2.2 特征提取方法 | 第13-14页 |
| 1.3 子空间方法存在的问题 | 第14-15页 |
| 1.4 论文的主要研究内容和结构安排 | 第15-17页 |
| 第2章 流形学习算法概述 | 第17-30页 |
| 2.1 流形学习 | 第17-19页 |
| 2.1.1 流形的相关定义 | 第17-18页 |
| 2.1.2 流形学习的定义 | 第18-19页 |
| 2.2 经典流形学习算法 | 第19-23页 |
| 2.2.1 等距映射 | 第19-20页 |
| 2.2.2 局部线性嵌入 | 第20-21页 |
| 2.2.3 拉普拉斯特征映射 | 第21-22页 |
| 2.2.4 局部切空间排列 | 第22-23页 |
| 2.3 基于核的非线性特征提取算法 | 第23-29页 |
| 2.3.1 核函数理论 | 第23-25页 |
| 2.3.2 核主成分分析 | 第25-27页 |
| 2.3.3 核鉴别分析 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 图嵌入框架及边界 Fisher 分析 | 第30-37页 |
| 3.1 图嵌入框架 | 第30-32页 |
| 3.1.1 图嵌入框架简介 | 第30-31页 |
| 3.1.2 图嵌入框架的线性化及核化 | 第31-32页 |
| 3.2 典型算法的图嵌入框架构造理论 | 第32-34页 |
| 3.2.1 PCA 及其图嵌入框架构造 | 第32-33页 |
| 3.2.2 LDA 及其图嵌入框架构造 | 第33-34页 |
| 3.3 边界 Fisher 分析 | 第34-36页 |
| 3.3.1 MFA 的理论基础 | 第34-35页 |
| 3.3.2 MFA 的核扩展 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 基于差值准则的扩展 MFA 算法 | 第37-45页 |
| 4.1 MFA 的扩展 | 第37-40页 |
| 4.1.1 鉴别准则的选择 | 第37-38页 |
| 4.1.2 EMFA 算法 | 第38-40页 |
| 4.2 实验设计及性能分析 | 第40-44页 |
| 4.2.1 实验设计 | 第40-42页 |
| 4.2.2 EMFA 综合性能分析与比较 | 第42-44页 |
| 4.3 本章小结 | 第44-45页 |
| 第5章 总结与展望 | 第45-47页 |
| 5.1 本文总结 | 第45-46页 |
| 5.2 工作展望 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 作者简介及在学期间所取得的科研成果 | 第51-52页 |
| 致谢 | 第52页 |
