| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景及意义 | 第10-11页 |
| ·人脸识别系统概述 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·论文的内容安排 | 第14-16页 |
| 第2章 稀疏编码理论研究概述 | 第16-22页 |
| ·稀疏、非高斯、独立之间的关系 | 第16页 |
| ·稀疏编码算法的数学描述 | 第16-19页 |
| ·稀疏编码算法的一些数学模型 | 第19页 |
| ·稀疏编码算法的应用 | 第19-20页 |
| ·稀疏编码算法存在的问题 | 第20页 |
| ·本章小结 | 第20-22页 |
| 第3章 人脸识别常用方法 | 第22-42页 |
| ·引言 | 第22页 |
| ·基于K_L 展开式的特征提取 | 第22-29页 |
| ·K_L 展开式具体过程 | 第22-23页 |
| ·K_L 离散情况下的其它导出方法 | 第23-26页 |
| ·K_L 展开式的性质 | 第26页 |
| ·未知类别训练样本特征提取 | 第26-27页 |
| ·已知类别训练样本特征提取 | 第27-29页 |
| ·基于ICA 的特征提取 | 第29-41页 |
| ·数据的白化变换 | 第29-30页 |
| ·极大化非高斯性的ICA 估计方法 | 第30-35页 |
| ·ICA 的极大化似然度估计方法 | 第35-39页 |
| ·极小化互信息的ICA 估计方法 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 基于稀疏编码的特征提取方法 | 第42-56页 |
| ·引言 | 第42页 |
| ·非负稀疏编码的特征提取 | 第42-45页 |
| ·1 范数稀疏编码 | 第43-44页 |
| ·利用稀疏逼近的稀疏编码 | 第44-45页 |
| ·无非负限制的0 范数稀疏编码 | 第45-49页 |
| ·基于稀疏编码与支持向量机的人脸识别 | 第49-55页 |
| ·支持向量机的几何意义 | 第50-51页 |
| ·支持向量机的改进 | 第51-54页 |
| ·稀疏编码与支持向量机的人脸识别方法 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第5章 实验结果与分析 | 第56-63页 |
| ·实验人脸图像库 | 第56-57页 |
| ·基于非负稀疏编码与0 范数稀疏编码算法实验结果与分析 | 第57-60页 |
| ·支持向量机改进方法的实验结果与分析 | 第60-62页 |
| ·实验结论 | 第62页 |
| ·本章小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 作者简介 | 第70-71页 |
| 攻读硕士学位期间发表的论文 | 第71-72页 |