感知器训练算法及其在人脸检测中应用的研究
| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-10页 |
| 1 绪论 | 第10-14页 |
| ·问题的提出及研究意义 | 第10-11页 |
| ·问题的提出 | 第10页 |
| ·研究意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·本文的研究内容 | 第12-14页 |
| ·本文的主要工作 | 第12-13页 |
| ·本文的组织 | 第13-14页 |
| 2 感知器训练算法介绍 | 第14-21页 |
| ·感知器的定义 | 第14页 |
| ·感知器训练算法介绍 | 第14-19页 |
| ·感知器训练法则 | 第15-16页 |
| ·LMS法则 | 第16-17页 |
| ·Ho-Kashyap算法 | 第17-19页 |
| ·CGA及ACGA算法 | 第19页 |
| ·本章小结 | 第19-21页 |
| 3 基于最大化分类间隔的感知器训练算法 | 第21-33页 |
| ·MM算法的理论阐述 | 第21-22页 |
| ·MM算法的准则函数 | 第21页 |
| ·MM算法的搜索算法 | 第21-22页 |
| ·与其它算法的联系 | 第22页 |
| ·MM算法的实验分析 | 第22-32页 |
| ·线性可分数据集上实验分析 | 第22-25页 |
| ·线性不可分数据集上的实验分析 | 第25-30页 |
| ·复杂数据集上的实验分析 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 4 人脸检测算法介绍 | 第33-44页 |
| ·人脸检测算法的总体介绍和现状分析 | 第33-35页 |
| ·人脸检测算法的研究意义 | 第33页 |
| ·人脸检测研究的主要困难 | 第33-34页 |
| ·主要的人脸检测算法 | 第34-35页 |
| ·基于统计学习的方法 | 第35-43页 |
| ·人工神经网络 | 第36-38页 |
| ·基于Adaboost算法的人脸检测器 | 第38-39页 |
| ·BDF算法 | 第39-43页 |
| ·本章小结 | 第43-44页 |
| 5 级联感知器在人脸检测中的应用 | 第44-58页 |
| ·级联感知器及其与人脸检测算法的结合 | 第44-49页 |
| ·级联感知器 | 第44-46页 |
| ·以级联感知器为过滤器的人脸检测器 | 第46-49页 |
| ·实验设计 | 第49-51页 |
| ·实验结果及分析 | 第51-57页 |
| ·人脸检测的准确性分析 | 第51-53页 |
| ·人脸检测的速度分析 | 第53-57页 |
| ·本章小结 | 第57-58页 |
| 6 结论与展望 | 第58-59页 |
| ·主要结论 | 第58页 |
| ·研究工作展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 附录 | 第63-64页 |
