| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第一章 绪论 | 第12-18页 |
| ·论文的研究背景和意义 | 第12-13页 |
| ·人脸识别技术的发展研究现状概述 | 第13-14页 |
| ·模糊神经网络的发展及研究现状概述 | 第14-16页 |
| ·聚类算法研究现状概述 | 第16-17页 |
| ·论文的主要内容与结构 | 第17-18页 |
| 第二章 人脸特征提取技术分析 | 第18-30页 |
| ·人脸识别的步骤 | 第18-19页 |
| ·特征提取 | 第19-20页 |
| ·ICA 理论基础 | 第20-28页 |
| ·独立统计的基本概念 | 第20-21页 |
| ·ICA 预处理 | 第21-22页 |
| ·ICA 的模型和定义 | 第22-25页 |
| ·ICA 优化算法 | 第25-28页 |
| ·本章小结 | 第28-30页 |
| 第三章 模糊RBF 神经网络理论研究 | 第30-40页 |
| ·模糊神经网络概述 | 第30-31页 |
| ·模糊集理论概述 | 第31-34页 |
| ·模糊集的定义 | 第31-32页 |
| ·模糊集的基本运算 | 第32-33页 |
| ·模糊系统的T—S 模型 | 第33-34页 |
| ·模糊RBF 神经网络 | 第34-37页 |
| ·应用实例 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 模糊RBF 神经网络的分类模型及其改进 | 第40-48页 |
| ·模糊RBF 神经网络结构设计 | 第40-41页 |
| ·K-means 聚类 | 第41-42页 |
| ·基于K-means 的层次聚类方法 | 第42-44页 |
| ·模糊RBF 神经网络分类模型的改进 | 第44-47页 |
| ·参数初始值的确定 | 第44-45页 |
| ·中心参数不参与训练 | 第45-46页 |
| ·改进网络的应用实例 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 改进模糊RBF 神经网络在人脸识别中的应用 | 第48-59页 |
| ·人脸识别过程 | 第48-49页 |
| ·模糊RBF 神经网络的两种训练模型 | 第49-50页 |
| ·ICA 投影轴数对识别率的影响分析 | 第50-51页 |
| ·ICA 提取特征的效果 | 第51-52页 |
| ·参与直接梯度下降法训练的参数选择分析 | 第52-54页 |
| ·训练样本数目对识别率的影响分析 | 第54-56页 |
| ·模糊RBF 神经网络识别时间分析 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| ·总结 | 第59-60页 |
| ·展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 攻读硕士期间发表的论文 | 第64-65页 |
| 致谢 | 第65-66页 |
| 附录 Ⅰ 本文方法Ⅰ 的网络训练代码 | 第66-69页 |
| 附录 Ⅱ 基于K-means 的层次聚类方法的代码 | 第69-70页 |