基于线性子空间与流形学习的人脸识别算法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-17页 |
| ·人脸识别的研究背景和意义 | 第7-8页 |
| ·人脸识别的发展历史与现状 | 第8-9页 |
| ·人脸识别的历史回顾 | 第8页 |
| ·人脸识别国内外发展现状 | 第8-9页 |
| ·人脸识别系统与主要研究方法 | 第9-12页 |
| ·人脸识别系统 | 第9-10页 |
| ·主要人脸识别方法 | 第10-12页 |
| ·人脸识别中的几个问题 | 第12页 |
| ·常用人脸分类器介绍 | 第12-14页 |
| ·k 近邻分类器 | 第12-13页 |
| ·神经网络分类器 | 第13页 |
| ·支持向量机 | 第13-14页 |
| ·隐马尔科夫模型 | 第14页 |
| ·常用人脸数据库 | 第14-15页 |
| ·本文主要研究工作及章节安排 | 第15-17页 |
| 第二章 基于线性子空间投影的人脸识别 | 第17-29页 |
| ·基于主分量分析（PCA）的人脸特征提取 | 第17-21页 |
| ·K-L 变换 | 第17-19页 |
| ·特征子空间的生成 | 第19-20页 |
| ·特征向量的选择方法 | 第20-21页 |
| ·基于线性判别分析(LDA）的人脸特征提取 | 第21-28页 |
| ·Fisher 判别准则 | 第21-23页 |
| ·线性判别分析用于人脸识别 | 第23-25页 |
| ·LDA 用于人脸识别的问题与解决方法 | 第25-26页 |
| ·最大间距准则（MMC） | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 流形与流形学习算法 | 第29-43页 |
| ·流形及流形学习理论 | 第29-31页 |
| ·流形学习的典型算法 | 第31-37页 |
| ·等距映射（Isomap） | 第31-32页 |
| ·局部线性嵌入（LLE） | 第32-34页 |
| ·拉普拉斯特征映射（LE） | 第34-36页 |
| ·局部切空间对齐（LTSA） | 第36-37页 |
| ·流形学习方法的线性扩展 | 第37-41页 |
| ·局部保持投影（LLP） | 第38-39页 |
| ·邻域保持嵌入（NPE） | 第39-41页 |
| ·小结 | 第41-43页 |
| 第四章 基于局部大间距准则的线性判别嵌入方法 | 第43-55页 |
| ·引言 | 第43-44页 |
| ·正交邻域保持投影（ONPP） | 第44-46页 |
| ·局部最大间距线性判别嵌入（LMMLDE） | 第46-49页 |
| ·LMMLDE 算法的目的 | 第46-47页 |
| ·局部最大间距准则 | 第47-48页 |
| ·LMMLDE 的目标函数 | 第48-49页 |
| ·实验结果与分析 | 第49-53页 |
| ·实验数据 | 第50页 |
| ·性能比较 | 第50-53页 |
| ·本章小结 | 第53-55页 |
| 第五章 总结与展望 | 第55-57页 |
| ·本文工作总结 | 第55-56页 |
| ·未来工作展望 | 第56-57页 |
| 致谢 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 附录 A 散布矩阵的推导 | 第63-64页 |
