首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

人脸识别中鉴别特征抽取若干方法研究

摘要第1-7页
Abstract第7-9页
目录第9-12页
第一章 绪论第12-22页
   ·模式识别系统第12页
   ·人脸识别介绍及研究概括第12-13页
   ·人脸识别方法第13-16页
     ·基于代数特征的方法第14-15页
     ·基于几何特征的方法第15页
     ·基于弹性模型的方法第15页
     ·基于神经网络的方法第15-16页
     ·形变模型方法第16页
   ·人脸识别方法的评价第16-17页
   ·本文研究工作概述第17-19页
   ·本文的内容安排第19-22页
第二章 预备知识第22-36页
   ·基本概念第22-23页
     ·散布矩阵及其性质第22-23页
     ·矩阵的奇异值分解(Singular Value Decomposition,简称SVD)第23页
   ·主成分分析与特征脸第23-25页
   ·Fisher线性鉴别分析第25-27页
   ·核投影分析第27-31页
     ·核技术的产生第27页
     ·核函数第27-29页
     ·核主成分分析(KPCA)第29页
     ·核Fisher鉴别分析(KFDA)第29-31页
   ·常用人脸数据库第31-36页
     ·ORL人脸数据库第31页
     ·Yale人脸数据库第31-32页
     ·NUST603人脸数据库第32-36页
第三章 小样本情况下Fisher鉴别特征抽取理论第36-50页
   ·引言第36-37页
   ·小样本情况下Fisher线性鉴别分析的一般方法第37-40页
     ·扰动法第37-38页
     ·正交补空间法第38页
     ·Fisherfaces方法与EFM法第38-39页
     ·零空间法第39-40页
     ·组合最优的线性鉴别法第40页
   ·小样本情况下广义Fisher鉴别分析理论第40-44页
     ·两种线性鉴别方法模型的统一第40-41页
     ·投影变换原理第41页
     ·同构变换原理第41-43页
     ·压缩变换第43页
     ·PPCA+FDA算法第43-44页
   ·试验结果与分析第44-49页
   ·本章小结第49-50页
第四章 分块主成分分析特征抽取理论第50-64页
   ·引言第50页
   ·分块PCA方法第50-58页
     ·分块PCA思想与最优投影矩阵第50-52页
     ·特征抽取第52页
     ·分类第52-53页
     ·实验结果与分析第53-58页
   ·基于分块PCA的特征抽取方法第58-63页
     ·M2PCA+FDA方法第58-59页
     ·实验结果与分析第59-63页
   ·本章小结第63-64页
第五章 分块二维主成分分析特征抽取理论第64-78页
   ·引言第64页
   ·2DPCA方法第64-66页
     ·思想与最优投影矩阵第64-66页
     ·特征抽取第66页
   ·分块2DPCA方法第66-73页
     ·思想与最优投影矩阵第66-67页
     ·特征抽取第67页
     ·分类第67-68页
     ·实验结果与分析第68-73页
   ·基于分块2DPCA的特征抽取方法第73-76页
     ·分块2DPCA+Fisherfaces方法第73-74页
     ·实验结果与分析第74-76页
   ·本章小结第76-78页
第六章 基于核的子空间法特征抽取理论第78-88页
   ·引言第78页
   ·核Fisher鉴别分析模型第78-81页
     ·基本概念和鉴别准则第78-79页
     ·两个等价模型第79-81页
   ·基于核的正交补空间算法第81-83页
     ·最佳核鉴别矢量存在定理第81-82页
     ·最佳核鉴别矢量集的算法第82-83页
     ·特征抽取第83页
   ·实验及其分析第83-87页
   ·本章小结第87-88页
结束语第88-90页
致谢第90-92页
参考文献第92-102页
附录第102页
 攻读博士期间完成的业已发表或被录用待发表的论文第102页
 攻读博士期间完成的己投稿正在审理中的论文第102页

论文共102页,点击 下载论文
上一篇:基于ARM微处理器的嵌入式数控系统的设计与实现
下一篇:我国上市公司股权集中度与公司价值相关性的研究