| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 目录 | 第9-12页 |
| 第一章 绪论 | 第12-26页 |
| ·概述 | 第12-15页 |
| ·人脸识别概述 | 第15-17页 |
| ·人脸检测方法 | 第17-19页 |
| ·人脸识别中的特征抽取 | 第19-21页 |
| ·几何特征 | 第20页 |
| ·代数特征 | 第20-21页 |
| ·人脸识别方法 | 第21-23页 |
| ·基于线性投影的方法 | 第21-23页 |
| ·基于非线性投影的方法 | 第23页 |
| ·本文研究工作概述 | 第23-24页 |
| ·本文的内容安排 | 第24-26页 |
| 第二章 小样本问题的线性鉴别分析策略 | 第26-42页 |
| ·引言 | 第26-27页 |
| ·传统的小样本问题解决方法 | 第27-31页 |
| ·基本概念 | 第27-29页 |
| ·基于Fisherfaces的方法 | 第29-30页 |
| ·直接线性鉴别分析方法(Direct LDA) | 第30-31页 |
| ·扰动法 | 第31页 |
| ·一种新的直接线性鉴别分析算法(DLDA/QR) | 第31-33页 |
| ·实验结果 | 第33-38页 |
| ·基于有效分类图像空间的特征提取方法 | 第38-40页 |
| ·实验结果与分析 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第三章 模糊线性鉴别分析方法 | 第42-47页 |
| ·引言 | 第42页 |
| ·模糊Fisherface特征提取方法 | 第42-45页 |
| ·模糊K近邻方法 | 第43页 |
| ·模糊Fisherface特征提取方法 | 第43-44页 |
| ·改进的模糊线性鉴别分析方法 | 第44-45页 |
| ·实验与分析 | 第45-46页 |
| ·本章小节 | 第46-47页 |
| 第四章 基于最近邻线的特征提取新方法 | 第47-57页 |
| ·引言 | 第47页 |
| ·间距最大准则(Margin Maximum Criterion，MMC) | 第47-49页 |
| ·分步式非参数间距最大准则 | 第49-51页 |
| ·最近邻线非参数鉴别分析 | 第51-53页 |
| ·最近邻线算法(Nearest Neighbor Line) | 第51-52页 |
| ·算法的实现 | 第52-53页 |
| ·实验与分析 | 第53-56页 |
| ·本章小节 | 第56-57页 |
| 第五章 基于模糊理论的核线性鉴别分析和2维线性鉴别分析方法 | 第57-72页 |
| ·引言 | 第57-58页 |
| ·一种改进的核线性鉴别分析算法 | 第58-66页 |
| ·相关技术 | 第58-64页 |
| ·模糊核线性鉴别分析特征方法 | 第64-65页 |
| ·实验与分析 | 第65-66页 |
| ·改进2维线性鉴别分析特征提取方法 | 第66-71页 |
| ·传统2维线性鉴别方法简介 | 第66页 |
| ·模糊2维线性鉴别分析 | 第66-67页 |
| ·实验与分析 | 第67-71页 |
| ·本章小节 | 第71-72页 |
| 第六章 基于独立成分分析的特征提取方法 | 第72-91页 |
| ·引言 | 第72-73页 |
| ·独立成分分析简介 | 第73-81页 |
| ·独立成分分析算法定义 | 第74页 |
| ·独立性定义 | 第74-75页 |
| ·独立成分分析的目标函数 | 第75-78页 |
| ·快速的独立成分分析算法 | 第78-81页 |
| ·对称独立成分分析 | 第81-82页 |
| ·原理 | 第81-82页 |
| ·人脸识别过程 | 第82页 |
| ·支持向量机 | 第82-84页 |
| ·实验结果与分析 | 第84-87页 |
| ·基于ICA+LDA的完全人脸识别方法 | 第87-88页 |
| ·实验结果与分析 | 第88-89页 |
| ·本章小节 | 第89-91页 |
| 结束语 | 第91-93页 |
| 致谢 | 第93-94页 |
| 参考文献 | 第94-102页 |
| 附录 | 第102-103页 |
