| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-21页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.1.1 研究背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.2.1 特征选择 | 第14-16页 |
| 1.2.2 特征变换 | 第16-18页 |
| 1.3 本文研究工作概述 | 第18-19页 |
| 1.4 论文内容安排 | 第19-21页 |
| 第二章 无监督特征选择 | 第21-37页 |
| 2.1 绪论 | 第21-23页 |
| 2.2 相关工作 | 第23-25页 |
| 2.2.1 符号及概念介绍 | 第23-24页 |
| 2.2.2 无监督特征选择简介 | 第24-25页 |
| 2.2.3 谱聚类算法概要 | 第25页 |
| 2.3 基于谱聚类的全局与局部信息保存特征选择框架 | 第25-29页 |
| 2.3.1 目标函数设定 | 第25-26页 |
| 2.3.2 两种基于全局与局部信息保存的特征选择算法 | 第26-28页 |
| 2.3.3 优化算法 | 第28-29页 |
| 2.4 实验与结果分析 | 第29-36页 |
| 2.4.1 数据集简介 | 第30页 |
| 2.4.2 算法评价标准与参数设置 | 第30-31页 |
| 2.4.3 结果与分析 | 第31-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第三章 特征变换 | 第37-55页 |
| 3.1 绪论 | 第37-38页 |
| 3.2 相关工作 | 第38-42页 |
| 3.2.1 极限学习机 | 第38-39页 |
| 3.2.2 随机傅里叶映射 | 第39-41页 |
| 3.2.3 联合互信息 | 第41-42页 |
| 3.3 基于选择的随机傅里叶有监督特征降维算法 | 第42-46页 |
| 3.3.1 l_(2,1)范数正则化的随机傅里叶极限学习机 | 第42-46页 |
| 3.4 实验与结果分析 | 第46-53页 |
| 3.4.1 数据库简介 | 第46-47页 |
| 3.4.2 l_(2,1)RF-ELM性能验证 | 第47-50页 |
| 3.4.3 特征变换算法性能评价 | 第50-53页 |
| 3.5 本章小结 | 第53-55页 |
| 第四章 人脸检测 | 第55-66页 |
| 4.1 背景介绍 | 第55-56页 |
| 4.2 特征介绍 | 第56-59页 |
| 4.2.1 MB-LGP简介 | 第56-57页 |
| 4.2.2 多块局部梯度模式特点介绍 | 第57-59页 |
| 4.3 特征选择与分类器训练 | 第59-62页 |
| 4.3.1 查找表分类器训练 | 第59-61页 |
| 4.3.2 级联分类器的构造 | 第61-62页 |
| 4.4 实验与结果分析 | 第62-65页 |
| 4.4.1 实验样本采集 | 第62-63页 |
| 4.4.2 实验结果比较 | 第63-65页 |
| 4.5 本章小结 | 第65-66页 |
| 第五章 结束语 | 第66-68页 |
| 5.1 工作总结 | 第66-67页 |
| 5.2 工作展望 | 第67-68页 |
| 致谢 | 第68-70页 |
| 参考文献 | 第70-78页 |
| 作者在学期间取得的学术成果 | 第78页 |
