基于支持向量机的人脸识别

摘要	第1-5页
ABSTRACT	第5-7页
目录	第7-9页
缩略词	第9-10页
第一章 绪论	第10-14页
·课题研究的背景与意义	第10-11页
·人脸识别的历史与现状	第11-13页
·本文的内容与结构	第13-14页
第二章 统计学习理论与支持向量机	第14-32页
·机器学习的基本问题	第14-17页
·机器学习问题的表示	第14-15页
·经验风险最小化	第15-16页
·复杂性和推广能力	第16-17页
·统计学习理论	第17-21页
·学习机器的 VC维	第17-18页
·推广性的界	第18-19页
·结构风险最小化	第19-21页
·支持向量机	第21-31页
·线性可分的最优分类面	第21-24页
·线性不可分的最优分类面	第24-25页
·支持向量机	第25-27页
·核函数	第27-30页
·SVM方法的特点	第30-31页
·本章小结	第31-32页
第三章 基于主成分分析的特征提取及人脸识别	第32-46页
·引言	第32页
·PCA人脸识别方法	第32-46页
·K-L变换的原理	第32-36页
·主成分分析(K-L变换)在人脸识别中的应用	第36-38页
·完整的 PCA人脸识别的应用包括以下步骤	第38-39页
·KNN(K最近邻距离)算法	第39页
·主成分分析用于人脸识别的实验	第39-46页
第四章 基于支持向量机的人脸识别	第46-55页
·通过 K-L变换提取人脸图像特征	第46页
·训练样本	第46-49页
·求指示函数中的阈值b	第49页
·识别	第49页
·实验及结果分析	第49-53页
·实验一	第50页
·实验二	第50-51页
·实验三	第51-52页
·实验结果分析	第52-53页
·简单的人脸识别系统	第53-55页
第五章 结论及展望	第55-57页
·结论	第55-56页
·展望	第56-57页
参考文献	第57-61页
致谢	第61-62页
附录 A	第62页