人脸识别算法研究和实现
| 致谢 | 第1-5页 |
| 中文摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 序 | 第7-10页 |
| 1 综述 | 第10-26页 |
| ·人脸识别的研究背景 | 第10-11页 |
| ·人脸识别的研究历史 | 第11-14页 |
| ·1964年到1990年 | 第12-13页 |
| ·1990年到1997年 | 第13-14页 |
| ·1998年—至今 | 第14页 |
| ·人脸识别技术的发展 | 第14-23页 |
| ·基于几何特征的人脸识别技术 | 第15-16页 |
| ·基于统计特征的人脸识别技术 | 第16-18页 |
| ·基于连接机制的人脸识别技术 | 第18-20页 |
| ·人脸识别的核方法 | 第20-23页 |
| ·人脸识别研究的难点和意义 | 第23-24页 |
| ·人脸识别研究的难点 | 第23页 |
| ·人脸识别研究的意义 | 第23-24页 |
| ·本论文的内容安排及工作 | 第24-26页 |
| ·本论文的内容安排 | 第24-25页 |
| ·本论文主要工作 | 第25-26页 |
| 2 人脸特征提取及融合 | 第26-40页 |
| ·PCA算法 | 第26-29页 |
| ·ICA与Fast ICA算法 | 第29-30页 |
| ·LDA算法 | 第30-32页 |
| ·DCT算法 | 第32-33页 |
| ·信息融合 | 第33-38页 |
| ·信息融合概念 | 第33-34页 |
| ·数据层融合 | 第34-35页 |
| ·特征层融合 | 第35-36页 |
| ·决策层融合 | 第36-37页 |
| ·人脸图像特征层融合 | 第37-38页 |
| ·本章小结 | 第38-40页 |
| 3 支持向量机分类器 | 第40-63页 |
| ·概述 | 第40-41页 |
| ·机器学习的基本问题 | 第41-46页 |
| ·机器学习理论 | 第41-43页 |
| ·机器学习的定义和研究意义 | 第43页 |
| ·机器学习的发展史 | 第43-44页 |
| ·机器学习系统的基本结构 | 第44-46页 |
| ·统计学理论 | 第46-47页 |
| ·VC维 | 第46页 |
| ·推广性的界 | 第46-47页 |
| ·机构化风险最小化原则 | 第47页 |
| ·支持向量机 | 第47-55页 |
| ·最优分类超平面 | 第48-49页 |
| ·最优广义分类面 | 第49-50页 |
| ·支持向量机 | 第50-52页 |
| ·核函数研究及改进 | 第52-55页 |
| ·支持向量机参数选择 | 第55-61页 |
| ·参数选择方法 | 第55-57页 |
| ·微粒群算法原理及算法流程 | 第57-59页 |
| ·基于离散微粒群算法的SVM参数选择 | 第59-61页 |
| ·本章小结 | 第61-63页 |
| 4 人脸识别系统 | 第63-68页 |
| ·实验环境介绍 | 第63页 |
| ·系统整体构成及功能 | 第63-64页 |
| ·系统介绍及演示 | 第64-66页 |
| ·本章小结 | 第66-68页 |
| 5 总结与展望 | 第68-70页 |
| ·论文总结 | 第68页 |
| ·工作展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 作者简历 | 第74-76页 |
| 学位论文数据集 | 第76页 |
