| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 深度学习的国内外研究现状 | 第9-10页 |
| 1.2.2 表情识别的国内外研究现状 | 第10-13页 |
| 1.3 论文的主要研究内容 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第2章 基于深度学习的表情识别概况 | 第16-26页 |
| 2.1 深度学习基本理论 | 第16-23页 |
| 2.1.1 卷积神经网络 | 第16-18页 |
| 2.1.2 堆积降噪自动编码机 | 第18-20页 |
| 2.1.3 深度信念网络 | 第20-23页 |
| 2.2 基于深度学习的表情识别 | 第23-25页 |
| 2.2.1 基于深度学习的表情识别流程 | 第23-24页 |
| 2.2.2 常用的表情识别数据集 | 第24-25页 |
| 2.3 小结 | 第25-26页 |
| 第3章 基于降维的堆积降噪自动编码机的表情识别方法 | 第26-34页 |
| 3.1 引言 | 第26页 |
| 3.2 主成分分析 | 第26-27页 |
| 3.3 基于降维的堆积降噪自动编码机的表情识别方法 | 第27-28页 |
| 3.4 实验结果与分析 | 第28-33页 |
| 3.4.1 实验设置 | 第28-29页 |
| 3.4.2 不同参数的SDAE的对比实验 | 第29-31页 |
| 3.4.3 不同深度学习方法的对比实验 | 第31-32页 |
| 3.4.4 与不同非深度学习方法的对比实验 | 第32-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 基于Gabor小波和深度信念网络的表情识别方法 | 第34-40页 |
| 4.1 引言 | 第34-35页 |
| 4.2 Gabor小波变换 | 第35页 |
| 4.3 基于Gabor小波和深度信念网络的表情识别方法 | 第35-37页 |
| 4.4 实验结果与分析 | 第37-39页 |
| 4.4.1 不同深度学习方法的对比实验 | 第37-38页 |
| 4.4.2 与不同非深度学习方法的对比实验 | 第38-39页 |
| 4.5 小结 | 第39-40页 |
| 第5章 基于深度学习的表情识别原型系统的设计与开发 | 第40-46页 |
| 5.1 引言 | 第40页 |
| 5.2 系统设计流程 | 第40-42页 |
| 5.3 系统各模块设计与实现 | 第42-45页 |
| 5.3.1 数据预处理模块与特征提取和降维模块 | 第43-44页 |
| 5.3.2 深度学习模型模块 | 第44页 |
| 5.3.3 系统测试 | 第44-45页 |
| 5.4 小结 | 第45-46页 |
| 第6章 结束语 | 第46-48页 |
| 6.1 主要研究工作 | 第46-47页 |
| 6.2 后续研究工作 | 第47-48页 |
| 参考文献 | 第48-53页 |
| 致谢 | 第53-54页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第54页 |
