基于子空间的柯西估计判别算法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 子空间学习的发展及现状 | 第9-11页 |
| 1.3 研究的内容 | 第11页 |
| 1.4 论文结构 | 第11-13页 |
| 第二章 降维算法与流形学习算法研究 | 第13-19页 |
| 2.1 全局线性降维算法 | 第13-14页 |
| 2.1.1 主成分分析算法 | 第13-14页 |
| 2.1.2 线性判别分析算法 | 第14页 |
| 2.2 流形学习算法 | 第14-17页 |
| 2.2.1 早期的流形学习算法 | 第14-16页 |
| 2.2.2 鉴别局部对齐算法 | 第16页 |
| 2.2.3 流形弹性网算法 | 第16页 |
| 2.2.4 排序信息保留鉴别分析算法 | 第16-17页 |
| 2.3 块配准框架 | 第17页 |
| 2.4 评价函数 | 第17-19页 |
| 第三章 柯西估计判别分析 | 第19-34页 |
| 3.1 柯西估计判别分析(CEDA) | 第19-25页 |
| 3.1.1 局部优化 | 第20-21页 |
| 3.1.2 全局整合 | 第21页 |
| 3.1.3 柯西损失 | 第21-23页 |
| 3.1.4 优化函数求解 | 第23-25页 |
| 3.2 基于CEDA的人脸识别 | 第25-26页 |
| 3.2.1 人脸识别研究进展简述 | 第25页 |
| 3.2.2 基于CEDA的人脸识别系统框架 | 第25-26页 |
| 3.3 实验及分析 | 第26-34页 |
| 3.3.1 实验数据集 | 第26-27页 |
| 3.3.2 实验基准和评价准则 | 第27-28页 |
| 3.3.3 实验结果和分析 | 第28-34页 |
| 第四章 柯西估计判别学习 | 第34-48页 |
| 4.1 柯西估计判别学习(CEDL) | 第34-38页 |
| 4.1.1 块配准 | 第34-36页 |
| 4.1.2 柯西估计 | 第36页 |
| 4.1.3 边缘最大化 | 第36-37页 |
| 4.1.4 正则化 | 第37页 |
| 4.1.5 目标函数优化 | 第37-38页 |
| 4.2 基于CEDL的场景识别 | 第38-39页 |
| 4.2.1 场景识别研究进展简述 | 第38-39页 |
| 4.2.2 基于CEDL的场景识别系统框架 | 第39页 |
| 4.3 实验及分析 | 第39-48页 |
| 4.3.1 实验数据集 | 第39-40页 |
| 4.3.2 实验基准和评价准则 | 第40-41页 |
| 4.3.3 实验结果和分析 | 第41-48页 |
| 第五章 总结与展望 | 第48-50页 |
| 5.1 总结 | 第48页 |
| 5.2 展望 | 第48-50页 |
| 附录 | 第50-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间完成的科研成果 | 第57-58页 |
| 致谢 | 第58页 |
