| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-13页 |
| ·研究背景及意义 | 第8-9页 |
| ·人脸识别技术的发展及研究现状 | 第9页 |
| ·人脸识别方法综述 | 第9-11页 |
| ·本论文的主要工作和章节安排 | 第11-13页 |
| 2 几种典型的人脸识别的特征提取和识别方法 | 第13-32页 |
| ·主成分分析 | 第13-18页 |
| ·离散 KL变换 | 第13-16页 |
| ·离散 KL变换在人脸识别中的应用 | 第16-18页 |
| ·Fisher脸方法 | 第18-24页 |
| ·Fisher鉴别向量 | 第18-20页 |
| ·多类问题的Fisher线性判别 | 第20-23页 |
| ·基于 Fisher线性判别的人脸识别 | 第23-24页 |
| ·支持向量机人脸识别算法 | 第24-29页 |
| ·支持向量机概论 | 第24-28页 |
| ·ECOC(Error-correcting Output Codes)方法 | 第28-29页 |
| ·仿生模式识别方法 | 第29-32页 |
| 3 基于超椭球神经网络和纠错 SVM的二次分类方法 | 第32-41页 |
| ·二次分类方法 | 第32-34页 |
| ·基于超椭球神经网络和纠错 SVM的二次分类方法 | 第34-41页 |
| ·人脸识别的超椭球神经网络算法及其实现 | 第34-37页 |
| ·人脸识别的纠错 SVM算法及其实现 | 第37-39页 |
| ·基于超椭球神经网络和纠错 SVM的二次人脸识别算法 | 第39-41页 |
| 4 实验结果与分析 | 第41-49页 |
| ·由超椭球神经网络和最近邻分类器构成的二次分类方法的仿真实验 | 第41-44页 |
| ·由超椭球神经网络和纠错 SVM分类器构成的二次分类方法的仿真实验 | 第44-49页 |
| 5 总结与展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 攻读硕士学位期间发表学术论文情况 | 第54-55页 |
| 致谢 | 第55-56页 |
| 大连理工大学学位论文版权使用授权书 | 第56页 |
