首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

人脸识别关键技术的研究

摘要第1-5页
ABSTRACT第5-11页
第一章 绪论第11-17页
   ·人脸识别概述及研究意义第11-12页
   ·人脸识别方法第12-15页
     ·子空间法第12-13页
     ·弹性图匹配第13页
     ·活动外观模型第13-14页
     ·形变模型第14页
     ·方法评析第14页
     ·存在的问题与研究方向第14-15页
   ·本文研究工作概述第15页
   ·本文的内容安排第15-17页
第二章 统计学习与核方法第17-32页
   ·统计学与模式分析第17-19页
     ·模式与模式分析第17页
     ·模式分析算法的三个关键特征第17-18页
     ·监督任务与非监督任务第18-19页
   ·核方法第19-26页
     ·核函数第20-21页
     ·核矩阵第21页
     ·核函数的基本算法第21-23页
     ·协方差矩阵与核技巧第23-24页
     ·Rademacher复杂度和正则化第24-26页
       ·Rademacher复杂度第24-25页
       ·核方法的正则化第25-26页
     ·核方法的模块性第26页
   ·支持向量机第26-31页
     ·最优分类超平面第26-28页
     ·构造最优超平面第28-29页
     ·线性不可分情况的推广第29-30页
     ·VC维与正则化第30-31页
   ·本章小结第31-32页
第三章 D-LDA增量算法第32-47页
   ·主成分分析第32-37页
     ·最大化方差第32-34页
     ·核主成分分析第34-35页
     ·主成分分析增量算法第35-37页
       ·奇异值分解增量算法第35-36页
       ·基于奇异值分解增量算法的IPCA算法第36-37页
   ·线性判别分析第37-40页
     ·广义特征值问题第37-38页
     ·类内散布矩阵与类间散布矩第38-40页
     ·Fisherfaces法第40页
   ·直接线性判别分析第40-43页
   ·D-LDA增量算法第43-44页
   ·实验结果及分析第44-46页
   ·本章小结第46-47页
第四章 核D-LDA增量算法第47-56页
   ·核线性判别分析第47-49页
   ·正则化的核D-LDA第49-51页
   ·核主成分分析增量算法第51-52页
   ·核D-LDA增量算法第52-53页
   ·实验结果与分析第53-55页
   ·本章小结第55-56页
第五章 支持向量机多类分类方法第56-71页
   ·现有的支持向量机多类分类方法第56-60页
     ·一对多第56-57页
     ·一对一第57-58页
     ·有向循环图第58页
     ·二叉树方法第58-59页
     ·一次性求解方法第59-60页
   ·基于聚类的支持向量机多类分类方法第60-64页
     ·二叉树生成结构分析第60-61页
     ·可分性的度量第61-62页
     ·聚类过程产生二叉树的生成结构第62-63页
     ·对核函数的扩展第63-64页
   ·基于子空间Boosting的支持向量机多类分类方法第64-68页
     ·类内差子空间与类间差子空间第64-65页
     ·子空间Boosting学习策略第65-68页
   ·实验结果与分析第68-69页
   ·本章小结第69-71页
第六章 总结与展望第71-73页
   ·总结第71页
   ·展望第71-73页
参考文献第73-77页
附录第77-82页
致谢第82-83页
攻读硕士学位期间发表的论文第83-85页

论文共85页,点击 下载论文
上一篇:有关极大似然估计若干问题的研究
下一篇:基于数据仓库的数据挖掘算法研究