| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-19页 |
| ·课题的研究背景及意义 | 第10-11页 |
| ·人脸表情识别概述 | 第11-14页 |
| ·人脸表情识别的国内外研究现状 | 第14-18页 |
| ·人脸检测与定位 | 第14-15页 |
| ·人脸表情特征提取的方法 | 第15-18页 |
| ·人脸表情分类方法简介 | 第18页 |
| ·本文的主要工作及结构安排 | 第18-19页 |
| 第二章 数据降维算法概述 | 第19-30页 |
| ·引言 | 第19-20页 |
| ·具有代表性的一些线性降维方法 | 第20-24页 |
| ·主成分分析(PCA) | 第21-22页 |
| ·线性判别分析(LDA) | 第22-23页 |
| ·多维尺度变换(MDS) | 第23-24页 |
| ·具有代表性的一些非线性降维方法 | 第24-28页 |
| ·核主成分分析(Kernel PCA) | 第24-25页 |
| ·等距离映射(Isomap) | 第25-26页 |
| ·局部线性嵌入法(Locally Linear Embedding) | 第26-28页 |
| ·降维算法的分析与比较 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 基于SNE与SVM的人脸表情识别 | 第30-39页 |
| ·引言 | 第30-31页 |
| ·随机邻域嵌入(SNE)的原理简介 | 第31-32页 |
| ·SVM分类器的原理 | 第32-34页 |
| ·支持向量机简介 | 第32-33页 |
| ·使用一对多分解算法的多类支持向量机 | 第33-34页 |
| ·实验 | 第34-38页 |
| ·实验的数据库以及表情图像的预处理 | 第34-35页 |
| ·实验步骤 | 第35页 |
| ·实验结果以及分析 | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 基于GPLVM与SVM的人脸表情识别 | 第39-47页 |
| ·引言 | 第39-40页 |
| ·GAUSSIAN PROCESS LATENT VARIABLE MODELS(GPLVM)的原理 | 第40-42页 |
| ·实验和结论 | 第42-46页 |
| ·实验的流程 | 第42-43页 |
| ·实验的参数优化以及结果的比较 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 基于SPE与SVM的人脸表情识别 | 第47-56页 |
| ·引言 | 第47页 |
| ·SPE的原理 | 第47-50页 |
| ·传统数据降维算法的困难以及SPE算法的引入 | 第47-49页 |
| ·Stochastic Proximity Embedding算法步骤 | 第49-50页 |
| ·基于SPE与SVM的人脸表情识别 | 第50-54页 |
| ·实验的构造 | 第50页 |
| ·实验过程中的SVM参数的选择 | 第50-52页 |
| ·实验结果分析及与其他算法的比较 | 第52-54页 |
| ·本章小结 | 第54-56页 |
| 总结 | 第56-58页 |
| 参考文献 | 第58-64页 |
| 攻读学位期间发表论文 | 第64-65页 |
| 致谢 | 第65页 |
