人脸识别的贝叶斯统计方法

摘要	第1-6页
ABSTRACT	第6-9页
第1章 绪论	第9-19页
·人脸识别研究概况	第9-13页
·人脸识别方法	第9-11页
·人脸识别的影响因素	第11-13页
·人脸识别系统的评测	第13-16页
·FERET数据库及FERET评测	第14-15页
·FRVT测试	第15-16页
·人脸识别面临的主要困难	第16-17页
·本文所做的工作及章节安排	第17-19页
第2章 基于K-L变换的主成分分析法	第19-33页
·主成分分析方法	第19-22页
·基于K-L变换的主成分分析人脸识别	第22-30页
·特征脸算法	第22-24页
·距离度量准则	第24-26页
·主成分分析法人脸识别实现	第26-30页
·二维主成分分析法人脸识别	第30-32页
·本章小结	第32-33页
第3章 基于贝叶斯方法的人脸识别	第33-49页
·贝叶斯决策	第33-36页
·类内子空间与类间子空间	第33-34页
·概率相似度法则	第34-36页
·贝叶斯人脸识别算法	第36-42页
·最大似然准则	第36-38页
·最大后验准则	第38-40页
·改进的最大似然准则	第40-42页
·贝叶斯人脸识别模型	第42-47页
·高斯模型	第42-45页
·贝叶斯分类规则	第42-43页
·混合高斯模型	第43-45页
·概率推理模型	第45-47页
·本章小结	第47-49页
第4章 结论与展望	第49-51页
参考文献	第51-55页
致谢	第55页