基于主元分析和神经网络的人脸识别方法研究
| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| ·人脸识别的背景和意义 | 第8-9页 |
| ·人脸识别的研究概况 | 第9-12页 |
| ·本文的研究内容及结构 | 第12-13页 |
| 第二章 人工神经网络 | 第13-21页 |
| ·引言 | 第13页 |
| ·生物神经元 | 第13-14页 |
| ·人工神经网络模型 | 第14-17页 |
| ·神经网络节点的形式化描述 | 第14页 |
| ·神经元状态转移函数的类型 | 第14-16页 |
| ·神经网络分类及其拓扑结构 | 第16-17页 |
| ·人工神经网络的学习规则 | 第17-21页 |
| ·人工神经网络的学习方式 | 第17页 |
| ·人工神经网络学习规则 | 第17-21页 |
| 第三章 BP网络分类器研究 | 第21-43页 |
| ·引言 | 第21-22页 |
| ·感知器 | 第22-31页 |
| ·单层感知器 | 第22-24页 |
| ·感知器的收敛定理 | 第24-26页 |
| ·多层感知器网络 | 第26-29页 |
| ·感知器用于分类问题的算例 | 第29-31页 |
| ·多层前馈型神经网络 | 第31-34页 |
| ·网络结构及工作过程 | 第31-33页 |
| ·误差函数与误差曲面 | 第33-34页 |
| ·误差逆传播算法(BP算法) | 第34-38页 |
| ·BP算法的数学描述 | 第34-37页 |
| ·BP算法收敛性定理 | 第37-38页 |
| ·误差逆传播算法(BP算法)的若干改进 | 第38-43页 |
| ·基于全局学习速率自适应调整的BP算法 | 第39-41页 |
| ·基于局部学习速率自适应调整的BP算法 | 第41-43页 |
| 第四章 基于PCA和BP网络的人脸识别实验 | 第43-59页 |
| ·人脸图象特征提取 | 第44-49页 |
| ·K-L变换 | 第45-47页 |
| ·奇异值分解(SVD) | 第47-48页 |
| ·人脸图象特征提取 | 第48-49页 |
| ·提取人脸局部特征 | 第49-51页 |
| ·眼睛部位特征的提取 | 第50-51页 |
| ·嘴巴部位特征的提取 | 第51页 |
| ·人脸识别BP网络设计 | 第51-58页 |
| ·算法流程 | 第51-53页 |
| ·输入层和输出层的设计方法 | 第53页 |
| ·隐层数和层内节点数的选择 | 第53-57页 |
| ·初始权值的选取 | 第57-58页 |
| ·实验结果及分析 | 第58-59页 |
| 第五章 总结 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65页 |
