| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-15页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状分析 | 第9-12页 |
| 1.2.1 从心理学角度看性格与人脸特征之间的联系 | 第9-10页 |
| 1.2.2 从技术角度挖掘性格与人脸特征之间的联系 | 第10-12页 |
| 1.2.2.1 人脸特征点定位 | 第11-12页 |
| 1.2.2.2 机器学习方法 | 第12页 |
| 1.3 主要研究内容 | 第12-13页 |
| 1.4 本文框架结构 | 第13-15页 |
| 2 理论基础与技术介绍 | 第15-21页 |
| 2.1 人格测验 | 第15-17页 |
| 2.2 人脸特征点定位 | 第17-18页 |
| 2.3 深度学习 | 第18-20页 |
| 2.4 本章小结 | 第20-21页 |
| 3 学生性格特征数据采集 | 第21-25页 |
| 3.1 大五人格测试量表设计 | 第21-22页 |
| 3.2 研究结果 | 第22-24页 |
| 3.3 本章小结 | 第24-25页 |
| 4 学生人脸特征提取 | 第25-39页 |
| 4.1 学生图片获取 | 第25-26页 |
| 4.2 传统主动形状模型（ASM）的人脸特征点定位 | 第26-32页 |
| 4.2.1 主动形状模型（ASM）训练 | 第27-30页 |
| 4.2.2 主动形状模型（ASM）搜索 | 第30-32页 |
| 4.3 基于改进ASM的学生人脸特征点定位算法 | 第32-33页 |
| 4.4 实验分析 | 第33-38页 |
| 4.5 本章小结 | 第38-39页 |
| 5 基于深度置信网络与人脸特征的大五人格特质分析 | 第39-47页 |
| 5.1 深度置信网络 | 第39-42页 |
| 5.1.1 限制玻尔兹曼机模型 | 第39-41页 |
| 5.1.2 深度置信网络 | 第41-42页 |
| 5.2 基于BP算法的深度置信网络分类算法 | 第42-43页 |
| 5.3 实验结果与分析 | 第43-46页 |
| 5.3.1 训练样本库 | 第43-44页 |
| 5.3.2 分类器测试 | 第44-46页 |
| 5.4 本章小结 | 第46-47页 |
| 6 总结与展望 | 第47-49页 |
| 6.1 总结 | 第47-48页 |
| 6.2 展望 | 第48-49页 |
| 参考文献 | 第49-54页 |
| 附录 | 第54-56页 |
| 致谢 | 第56-57页 |
| 在学期间学术成果情况 | 第57页 |
