基于相关投影分析的特征提取研究及在图像识别中的应用
| 摘要 | 第1-7页 |
| Abstract | 第7-16页 |
| 1 绪论 | 第16-32页 |
| ·引言 | 第16-17页 |
| ·线性投影分析方法研究与进展 | 第17-20页 |
| ·主成分分析概述 | 第17-18页 |
| ·线性鉴别分析概述 | 第18-20页 |
| ·非线性投影分析方法概述 | 第20-23页 |
| ·基于流形学习的特征提取方法 | 第21页 |
| ·基于稀疏学习的特征提取方法 | 第21-23页 |
| ·相关投影分析概述 | 第23-26页 |
| ·典型相关分析基本理论与研究现状 | 第23-25页 |
| ·偏最小二乘的基本理论与研究现状 | 第25-26页 |
| ·图像识别的主要应用 | 第26-29页 |
| ·人脸识别概述 | 第26-28页 |
| ·基于投影分析的手写体字符识别 | 第28页 |
| ·图像集匹配与分类 | 第28-29页 |
| ·本文的主要研究工作和内容安排 | 第29-30页 |
| ·本文工作的创新点 | 第30-32页 |
| 2 监督局部保持典型相关分析 | 第32-45页 |
| ·引言 | 第32-33页 |
| ·典型相关分析及其拓展算法介绍 | 第33-35页 |
| ·典型相关分析 | 第33-34页 |
| ·核典型相关分析 | 第34页 |
| ·判别型典型相关分析 | 第34页 |
| ·局部保持的典型相关分析 | 第34-35页 |
| ·监督的局部保持典型相关分析 | 第35-38页 |
| ·算法描述 | 第35-37页 |
| ·与DCCA的联系 | 第37-38页 |
| ·核监督的局部保持典型相关分析 | 第38-39页 |
| ·实验与分析 | 第39-44页 |
| ·在ORL人脸数据库上的实验 | 第39-40页 |
| ·在Yale人脸数据库上的实验 | 第40-42页 |
| ·在AR人脸数据库上的实验 | 第42-43页 |
| ·在FERET人脸数据库上的实验 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 3 正交正则化典型相关分析 | 第45-55页 |
| ·引言 | 第45-46页 |
| ·典型相关分析的特征抽取分析 | 第46-47页 |
| ·正交正则化典型相关分析 | 第47-49页 |
| ·正交正则化典型相关分析的判据准则建立 | 第47-48页 |
| ·正交正则化典型相关分析的模型求解 | 第48-49页 |
| ·讨论 | 第49页 |
| ·实验分析 | 第49-54页 |
| ·在手写体字符库上的实验 | 第49-52页 |
| ·人脸识别实验 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 4 稀疏保持典型相关分析 | 第55-73页 |
| ·引言 | 第55-56页 |
| ·稀疏表示分类器与稀疏保持投影 | 第56-59页 |
| ·稀疏表示分类器的基本思想 | 第56-57页 |
| ·稀疏保持投影方法 | 第57-59页 |
| ·稀疏保持典型相关分析 | 第59-61页 |
| ·稀疏保持典型相关分析的基本思想 | 第59-60页 |
| ·稀疏保持典型相关分析的模型优化 | 第60-61页 |
| ·实验与分析1 | 第61-66页 |
| ·手写体识别实验 | 第61-64页 |
| ·人脸识别实验 | 第64-66页 |
| ·稀疏正则化的判别型典型相关分析 | 第66-68页 |
| ·基本思想与模型构建 | 第66-67页 |
| ·算法过程 | 第67-68页 |
| ·实验与分析2 | 第68-71页 |
| ·手写体识别实验 | 第68-70页 |
| ·人脸识别实验 | 第70-71页 |
| ·本章小结 | 第71-73页 |
| 5 多成分分析 | 第73-89页 |
| ·引言 | 第73-74页 |
| ·张量代数及相关方法介绍 | 第74-76页 |
| ·张量代数的基本概念 | 第74-75页 |
| ·基于张量的相关方法介绍 | 第75-76页 |
| ·多成分分析 | 第76-81页 |
| ·构建协方差张量 | 第76-77页 |
| ·MCA算法过程 | 第77-79页 |
| ·时空复杂度分析 | 第79页 |
| ·与PCA和PLS的联系 | 第79-81页 |
| ·实验与分析 | 第81-88页 |
| ·在MFEAT手写体数据库上的实验 | 第81-82页 |
| ·在CENPARMI手写体数据库上的实验 | 第82-85页 |
| ·在FERET人脸库上的识别实验 | 第85-88页 |
| ·本章小结 | 第88-89页 |
| 6 二维多主角嵌入 | 第89-98页 |
| ·引言 | 第89-90页 |
| ·图像集分类的相关方法概述 | 第90-92页 |
| ·互子空间方法 | 第90-91页 |
| ·鉴别典型相关(DCC) | 第91-92页 |
| ·多主角方法(MPA) | 第92页 |
| ·二维多主角嵌入方法 | 第92-94页 |
| ·二维互子空间方法 | 第93页 |
| ·二维多主角嵌入 | 第93-94页 |
| ·实验与分析 | 第94-96页 |
| ·在ETH80图像集上的目标识别实验 | 第94-96页 |
| ·在CMU PIE人脸子库上的识别实验 | 第96页 |
| ·本章小结 | 第96-98页 |
| 7 结束语 | 第98-101页 |
| ·本文工作总结 | 第98-99页 |
| ·将来的工作 | 第99-101页 |
| 致谢 | 第101-102页 |
| 参考文献 | 第102-117页 |
| 附录 | 第117-118页 |
| 博士在读期间发表与录用论文 | 第117-118页 |
| 参加科研项目 | 第118页 |
