图像特征提取在人脸识别中的应用
| 致谢 | 第3-4页 |
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 1 绪论 | 第14-21页 |
| 1.1 人脸识别的研究背景及意义 | 第14-16页 |
| 1.2 人脸识别国内外研究现状 | 第16-19页 |
| 1.3 论文主要内容和安排 | 第19-21页 |
| 2 人脸识别中常用的线性降维算法 | 第21-30页 |
| 2.1 引言 | 第21页 |
| 2.2 传统的线性降维算法 | 第21-29页 |
| 2.3 本章小结 | 第29-30页 |
| 3 融合MMC的LDA算法改进 | 第30-42页 |
| 3.1 引言 | 第30页 |
| 3.2 传统线性判别分析（LDA）简介 | 第30-31页 |
| 3.3 最大间距准则(MMC)概述 | 第31-32页 |
| 3.4 MLDA（MMC-LDA）优化准则 | 第32-34页 |
| 3.5 实验结果与分析 | 第34-41页 |
| 3.6 本章小结 | 第41-42页 |
| 4 融合切向量的特征提取技术 | 第42-51页 |
| 4.1 引言 | 第42页 |
| 4.2 切向量简介 | 第42-43页 |
| 4.3 融合切向量信息的LDA | 第43-45页 |
| 4.4 实验结果与分析 | 第45-50页 |
| 4.5 本章小结 | 第50-51页 |
| 5 核偏最小二乘回归在面部表情识别中的应用 | 第51-65页 |
| 5.1 引言 | 第51页 |
| 5.2 偏最小二乘算法概述 | 第51-52页 |
| 5.3 PLS的新模型及其算法 | 第52-53页 |
| 5.4 KPLS的新模型及其算法 | 第53-55页 |
| 5.5 核偏最小二乘回归与核判别分析之间的关系 | 第55-57页 |
| 5.6 实验结果与分析 | 第57-64页 |
| 5.7 本章小结 | 第64-65页 |
| 6 总结与展望 | 第65-67页 |
| 6.1 总结 | 第65-66页 |
| 6.2 研究展望 | 第66-67页 |
| 参考文献 | 第67-73页 |
| 作者简历 | 第73-75页 |
| 学位论文数据集 | 第75页 |
