大规模人脸库聚类检索算法研究
| 内容提要 | 第1-7页 |
| 第一章 绪论 | 第7-14页 |
| ·引言 | 第7页 |
| ·人脸识别简介 | 第7-10页 |
| ·人脸识别系统的组成 | 第7-9页 |
| ·人脸识别的优点 | 第9-10页 |
| ·人脸识别的困难 | 第10页 |
| ·聚类分析 | 第10-12页 |
| ·基本概念 | 第10页 |
| ·聚类步骤 | 第10-11页 |
| ·聚类应用分析 | 第11-12页 |
| ·大规模人脸库聚类检索算法研究现状 | 第12-13页 |
| ·本文的组织结构 | 第13-14页 |
| 第二章 人脸识别研究 | 第14-26页 |
| ·人脸检测 | 第14-17页 |
| ·概述 | 第14页 |
| ·人脸检测技术分类 | 第14-15页 |
| ·一些重要的人脸检测策略 | 第15-17页 |
| ·特征提取和选择 | 第17-22页 |
| ·初级几何特征 | 第17-18页 |
| ·变换域特征 | 第18-22页 |
| ·分类器设计 | 第22-25页 |
| ·相关概念 | 第22页 |
| ·基于贝叶斯决策理论的分类器 | 第22-23页 |
| ·神经网络分类器 | 第23-24页 |
| ·组合分类器策略 | 第24-25页 |
| ·小结 | 第25-26页 |
| 第三章 大规模数据聚类技术 | 第26-38页 |
| ·聚类算法的一般评价标准 | 第26-27页 |
| ·主要聚类算法的分类 | 第27-29页 |
| ·几种典型的聚类算法 | 第29-35页 |
| ·近邻测度 | 第29-30页 |
| ·划分方法 | 第30-32页 |
| ·层次方法 | 第32-33页 |
| ·基于密度的方法 | 第33-34页 |
| ·基于网格的方法 | 第34-35页 |
| ·聚类算法比较 | 第35-37页 |
| ·小结 | 第37-38页 |
| 第四章 L-K 均值层次聚类算法 | 第38-47页 |
| ·问题及解决思路 | 第38-39页 |
| ·基于K-均值的二层次聚类算法 | 第39页 |
| ·L-K均值层次聚类算法 | 第39-46页 |
| ·基于K-均值的二层次聚类算法存在的问题 | 第39-40页 |
| ·算法设计分析 | 第40-41页 |
| ·基本算法 | 第41-45页 |
| ·算法的优缺点 | 第45-46页 |
| ·小结 | 第46-47页 |
| 第五章 系统实现及实验结果 | 第47-56页 |
| ·系统结构 | 第47-48页 |
| ·实验环境 | 第48-49页 |
| ·关于一步分类方法 | 第49页 |
| ·实验结果分析 | 第49-55页 |
| ·部分参数的确定 | 第49-51页 |
| ·分类及检索结果 | 第51-55页 |
| ·小结 | 第55-56页 |
| 第六章 结束语 | 第56-58页 |
| ·总结 | 第56页 |
| ·展望 | 第56-58页 |
| 参考文献 | 第58-60页 |
| 摘要 | 第60-63页 |
| Abstract | 第63-66页 |
| 致 谢 | 第66-67页 |
| 导师及作者简介 | 第67页 |
