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 |