| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-21页 |
| 1.1 研究背景及其意义 | 第12-13页 |
| 1.2 文献综述 | 第13-19页 |
| 1.2.1 常用的人脸面部表情数据库 | 第13-14页 |
| 1.2.2 表情识别总体结构 | 第14-19页 |
| 1.3 本文主要研究内容与结构安排 | 第19-21页 |
| 1.3.1 研究内容 | 第19-20页 |
| 1.3.2 研究方法 | 第20页 |
| 1.3.3 结构安排 | 第20-21页 |
| 第2章 相关技术 | 第21-32页 |
| 2.1 表情图像的预处理 | 第21-24页 |
| 2.1.1 人脸检测 | 第21-22页 |
| 2.1.2 几何归一化 | 第22-23页 |
| 2.1.3 灰度归一化 | 第23-24页 |
| 2.2 表情图像的特征提取 | 第24-27页 |
| 2.3 表情分类 | 第27-31页 |
| 2.3.1 支持向量机 | 第27-28页 |
| 2.3.2 AdaBoost算法 | 第28-29页 |
| 2.3.3 神经网络算法 | 第29-31页 |
| 2.4 本章小节 | 第31-32页 |
| 第3章 基于机器学习的表情识别算法设计 | 第32-43页 |
| 3.1 机器学习 | 第32-34页 |
| 3.1.1 机器学习的定义 | 第32-33页 |
| 3.1.2 机器学习系统的基本结构 | 第33-34页 |
| 3.2 人工神经网络 | 第34-40页 |
| 3.2.1 人工神经网络介绍 | 第34-35页 |
| 3.2.2 神经网络的训练方式及特点 | 第35-36页 |
| 3.2.3 神经网络的结构及类型 | 第36-37页 |
| 3.2.4 BP神经网络 | 第37-40页 |
| 3.3 算法设计 | 第40-42页 |
| 3.3.1 输入、输出层的设计 | 第40页 |
| 3.3.2 初始值的选取 | 第40页 |
| 3.3.3 隐含层节点数的选择 | 第40-41页 |
| 3.3.4 激励函数的选择 | 第41页 |
| 3.3.5 网络的分类识别 | 第41-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 基于机器学习的表情识别算法在MATLAB上的实现 | 第43-50页 |
| 4.1 总体设计思路 | 第43-44页 |
| 4.2 MATLAB实现 | 第44-45页 |
| 4.3 仿真实验步骤 | 第45-49页 |
| 4.3.1 实验数据 | 第45页 |
| 4.3.2 GUI设计 | 第45-46页 |
| 4.3.3 表情分类实现及部分结果展示 | 第46-49页 |
| 4.4 实验结果分析 | 第49页 |
| 4.5 本章小结 | 第49-50页 |
| 结论 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55页 |