| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-22页 |
| ·引言 | 第8-9页 |
| ·人脸图像识别技术简介 | 第9-11页 |
| ·人脸识别的定义 | 第9页 |
| ·人脸图像识别研究的现状 | 第9-10页 |
| ·人脸图像识别研究的意义 | 第10-11页 |
| ·人脸识别研究的分类 | 第11页 |
| ·人脸验证概述 | 第11-13页 |
| ·人脸验证系统工作原理 | 第11页 |
| ·人脸验证协议简述 | 第11-12页 |
| ·验证性能评价标准 | 第12页 |
| ·标准关口分数（阈值）的设定 | 第12-13页 |
| ·特征提取方法介绍 | 第13-18页 |
| ·特征提取子空间方法简述 | 第13-14页 |
| ·传统主成份分析PCA | 第14-15页 |
| ·线性鉴别分析LDA | 第15-16页 |
| ·独立成份分析ICA | 第16-17页 |
| ·神经网络方法 | 第17-18页 |
| ·特征提取的其他方法简介 | 第18页 |
| ·基于子空间算法的人脸识别试验 | 第18-19页 |
| ·本文研究工作概述 | 第19-22页 |
| ·工作概述 | 第19-20页 |
| ·本文具体内容安排 | 第20-22页 |
| 第二章 BP 神经网络工作原理 | 第22-33页 |
| ·人工神经网络简介 | 第22-24页 |
| ·人工神经网络的主要特征优点 | 第22页 |
| ·人工神经网络的“学习模式” | 第22-23页 |
| ·人工神经网络在模式识别中的应用 | 第23页 |
| ·前馈BP 网与传统的统计模式识别方法的关系 | 第23-24页 |
| ·BP 网工作原理 | 第24-27页 |
| ·前向计算原理 | 第25页 |
| ·误差反向传播原理 | 第25-26页 |
| ·消除样本顺序影响的BP 算法 | 第26-27页 |
| ·BP 算法的改进 | 第27-33页 |
| ·附加动量项算法 | 第27-28页 |
| ·弹性梯度下降算法 | 第28-29页 |
| ·LM 算法 | 第29-30页 |
| ·基于BP 算法的曲线拟合试验 | 第30-33页 |
| 第三章 塔式神经网络在人脸验证上的新应用 | 第33-44页 |
| ·引言 | 第33页 |
| ·塔式神经网络简述 | 第33-36页 |
| ·前向计算原理 | 第34页 |
| ·反向训练原理 | 第34-36页 |
| ·塔式网络与普通BP 的比较 | 第36页 |
| ·Cs_Pyramid 人脸验证原理 | 第36-40页 |
| ·个体子空间构造 | 第36-37页 |
| ·测试图像投影 | 第37-39页 |
| ·Cs_Pyramid 验证分类原理 | 第39-40页 |
| ·基于ORL 人脸库的人脸验证实验 | 第40-41页 |
| ·人脸验证协议的补充改进 | 第41-44页 |
| ·人脸验证协议的不足及其补充 | 第41-42页 |
| ·补充协议的相应试验 | 第42-44页 |
| 第四章 基于PCA 的GHA 算法在BP 网中的融合应用 | 第44-56页 |
| ·引言 | 第44页 |
| ·特征空间分离转换 | 第44-47页 |
| ·特征空间分离转换原理简述 | 第45-46页 |
| ·特征空间分离转换改进 | 第46-47页 |
| ·改进型PCABP 网 | 第47-49页 |
| ·改进型PCABP 转换层训练原理 | 第47-48页 |
| ·BP 网部分 | 第48-49页 |
| ·算法总结 | 第49页 |
| ·基于FERET 人脸库的性别识别实验 | 第49-56页 |
| ·原始Feret 图像性别识别 | 第49-53页 |
| ·归一化Feret 图像性别识别 | 第53-56页 |
| 第五章 总结与展望 | 第56-59页 |
| ·本文的工作总结 | 第56-57页 |
| ·本文的工作展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第64页 |