主成分分析人脸识别的GPU实现

摘要	第1-7页
Abstract	第7-11页
第一章 绪论	第11-16页
·研究意义及背景	第11-13页
·国内外研究现状	第13-15页
·本文主要内容和章节安排	第15-16页
第二章 GPU架构与CUDA概述	第16-23页
·GPU架构	第16-18页
·CUDA概述	第18-22页
·CUDA编程模型	第18-19页
·CUDA的存储结构	第19-20页
·CUDA软件体系	第20-22页
·本章小结	第22-23页
第三章 人脸识别算法比较研究	第23-38页
·人脸特征提取方法	第23-30页
·主成分分析（PCA）	第23-26页
·线性判别分析（LDA）	第26-29页
·Gabor特征提取	第29-30页
·人脸识别分类算法	第30-35页
·最近邻分类（NN）	第30-31页
·稀疏表示分类 (SRC)	第31-32页
·协作稀疏表示分类（CRC）	第32-33页
·线性回归分类（LRC）	第33-35页
·实验结果分析	第35-37页
·本章小结	第37-38页
第四章 基于GPU的PCA人脸识别加速算法	第38-49页
·PCA人脸特征提取的GPU加速方法	第38-45页
·算法设计与CUDA实现	第39-43页
·实验结果分析	第43-45页
·GPU加速实现的CUDA优化	第45-48页
·优化算法及实现	第46-47页
·实验结果分析	第47-48页
·本章小结	第48-49页
第五章 总结与展望	第49-51页
·工作总结	第49-50页
·未来展望	第50-51页
参考文献	第51-55页
致谢	第55-56页
附录A 攻读学位期间所发表的学术论文目录	第56页