一种有监督双向特征融合的人脸识别算法
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-15页 |
| ·课题背景和意义 | 第9-10页 |
| ·特征提取的国内外现状 | 第10-11页 |
| ·特征提取的内容分析 | 第11-13页 |
| ·特征提取的重要性 | 第11-12页 |
| ·特征提取的难点 | 第12-13页 |
| ·本文的研究内容和组织结构 | 第13-14页 |
| ·本文研究内容 | 第13页 |
| ·本文组织安排 | 第13-14页 |
| ·本章小结 | 第14-15页 |
| 2 特征提取算法及分类器知识介绍 | 第15-27页 |
| ·主成分分析（PCA）算法 | 第15-17页 |
| ·PCA 算法介绍 | 第15-17页 |
| ·PCA 算法分析 | 第17页 |
| ·线性鉴别分析（LDA）算法 | 第17-19页 |
| ·二维主成分分析（2DPCA）算法 | 第19-22页 |
| ·2DPCA 算法的提出 | 第19-20页 |
| ·2DPCA 算法的介绍 | 第20-22页 |
| ·局部的线性嵌入（LLE）算法 | 第22-24页 |
| ·拉普拉斯映射（LE）算法 | 第24-25页 |
| ·主要分类器的介绍 | 第25-26页 |
| ·最近邻分类方法介绍 | 第25-26页 |
| ·最小距离分类器的介绍 | 第26页 |
| ·本章小结 | 第26-27页 |
| 3 LPP 及其改进算法的分析 | 第27-35页 |
| ·局部保持投影（LPP）算法 | 第27-29页 |
| ·有监督局部保持投影（SLPP）算法 | 第29-31页 |
| ·二维局部保持投影（2DLPP）算法 | 第31-34页 |
| ·本章小结 | 第34-35页 |
| 4 SLPP 算法和2DLPP 算法的改进 | 第35-49页 |
| ·ESLPP 算法 | 第35-37页 |
| ·ESLPP 算法实验 | 第37-41页 |
| ·ORL 人脸数据库上的实验 | 第37-39页 |
| ·Yale 人脸数据库上的实验 | 第39-40页 |
| ·ESLPP 算法实验分析 | 第40-41页 |
| ·2DLPP 算法的改进和分析 | 第41-44页 |
| ·2DLPP 算法的改进 | 第41-43页 |
| ·2DDLPP 算法分析 | 第43-44页 |
| ·特征融合方法和分类 | 第44页 |
| ·2DDLPP 算法实验 | 第44-47页 |
| ·ORL 人脸数据库上的实验 | 第45页 |
| ·Yale 人脸数据库上的实验 | 第45-46页 |
| ·2DDLPP 算法实验分析 | 第46-47页 |
| ·本章小结 | 第47-49页 |
| 5 有监督双向特征融合识别算法 | 第49-57页 |
| ·有监督双向特征融合识别（2DDESLPP）算法 | 第49-53页 |
| ·2DDESLPP 算法实验 | 第53-55页 |
| ·ORL 人脸数据库上的实验 | 第53-54页 |
| ·Yale 人脸数据库上的实验 | 第54-55页 |
| ·2DDESLPP 算法实验分析 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 总结与展望 | 第57-59页 |
| 参考文献 | 第59-61页 |
| 致谢 | 第61-63页 |
| 攻读学位期间发表的学术论文及项目 | 第63-64页 |
