掌纹识别算法研究
| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-6页 |
| 1 绪论 | 第9-13页 |
| 1.1 选题背景及现实意义 | 第9-10页 |
| 1.2 国内外掌纹识别研究现状 | 第10-11页 |
| 1.3 论文的研究工作及内容安排 | 第11-13页 |
| 2 掌纹识别技术简介 | 第13-20页 |
| 2.1 关于掌纹特征的介绍 | 第13-14页 |
| 2.2 掌纹识别系统构成 | 第14页 |
| 2.3 掌纹图像的预处理技术 | 第14-15页 |
| 2.4 掌纹特征的提取方法 | 第15-19页 |
| 2.4.1 基于结构的特征提取 | 第15-17页 |
| 2.4.2 基于子空间的特征提取 | 第17-18页 |
| 2.4.3 基于时频分析的特征提取 | 第18-19页 |
| 2.5 掌纹识别特征匹配 | 第19页 |
| 2.6 本章小结 | 第19-20页 |
| 3 二维保局投影 | 第20-36页 |
| 3.1 保局投影 | 第20-22页 |
| 3.2 二维保局投影 | 第22-25页 |
| 3.3 增量二维保局投影 | 第25-32页 |
| 3.3.1 基于GSVD 广义特征值理论 | 第26-27页 |
| 3.3.2 基于GSVD 求解2DLPP 的方法 | 第27-28页 |
| 3.3.3 基于GSVD 方法的增量2DLPP | 第28-32页 |
| 3.4 实验设计与分析 | 第32-34页 |
| 3.4.1 实验设计与实现 | 第32-34页 |
| 3.4.2 实验分析 | 第34页 |
| 3.5 本章小结 | 第34-36页 |
| 4 基于最小最大概率机的分类方法 | 第36-54页 |
| 4.1 最小最大概率机理论基础 | 第36-46页 |
| 4.1.1 线性最小最大概率机 | 第38-42页 |
| 4.1.2 核化最小最大概率机 | 第42-44页 |
| 4.1.3 最小最大概率机的几何解释 | 第44-46页 |
| 4.2 特征加权最小最大概率机 | 第46-49页 |
| 4.2.1 特征加权 | 第46-47页 |
| 4.2.2 特征加权最小最大概率机的构造 | 第47-49页 |
| 4.3 实验结果与分析 | 第49-53页 |
| 4.3.1 二分类数据实验 | 第50-52页 |
| 4.3.2 多分类数据实验 | 第52-53页 |
| 4.4 本章小结 | 第53-54页 |
| 5 总结与展望 | 第54-56页 |
| 5.1 本文的工作总结 | 第54页 |
| 5.2 下一步的工作展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 附录 | 第62页 |
