| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第7-12页 |
| 1.1 课题研究背景和意义 | 第7-8页 |
| 1.2 图像特征提取方法的研究现状 | 第8-9页 |
| 1.3 径向基函数神经网络的研究现状 | 第9-11页 |
| 1.4 论文的主要研究内容 | 第11-12页 |
| 第2章 人脸识别特征提取的方法研究 | 第12-17页 |
| 2.1 主成分分析（PCA）方法 | 第12-14页 |
| 2.2 线性判别分析（LDA）方法 | 第14-15页 |
| 2.3 PCA与LDA的结合算法（PCA-LDA） | 第15-17页 |
| 第3章 基于多项式的RBF神经网络算法研究 | 第17-27页 |
| 3.1 径向基函数神经网络 | 第17-20页 |
| 3.1.1 径向基函数神经网络的基本原理 | 第17页 |
| 3.1.2 径向基函数神经网络的网络结构 | 第17-19页 |
| 3.1.3 径向基函数神经网络的优点 | 第19-20页 |
| 3.2 基于多项式的RBF神经网络架构 | 第20页 |
| 3.3 基于多项式的RBF神经网络的三个处理阶段 | 第20-24页 |
| 3.3.1 P-RBF神经网络的条件阶段 | 第21-22页 |
| 3.3.2 P-RBF神经网络的结论阶段 | 第22-23页 |
| 3.3.3 P-RBF神经网络的聚集阶段 | 第23-24页 |
| 3.4 P-RBF NNS识别能力及其梯度下降法的学习算法研究 | 第24-27页 |
| 3.4.1 P-RBF神经网络的判别函数 | 第24-25页 |
| 3.4.2 使用梯度下降法的P-RBF神经网络学习算法 | 第25-27页 |
| 第4章 利用差分进化算法优化的P-RBF神经网络 | 第27-31页 |
| 4.1 差分进化（DE） | 第27-29页 |
| 4.1.1 DE的初始化 | 第27-28页 |
| 4.1.2 DE的分化算子 | 第28页 |
| 4.1.3 DE的交叉算子 | 第28页 |
| 4.1.4 DE的选择算子 | 第28-29页 |
| 4.1.5 DE的边界约束 | 第29页 |
| 4.2 P-RBF神经网络的向量结构 | 第29-31页 |
| 第5章 实时人脸识别系统的实现 | 第31-41页 |
| 5.1 实验设计 | 第31-33页 |
| 5.2 基于耶鲁数据库的识别处理 | 第33-36页 |
| 5.3 基于AT&T数据库的识别处理 | 第36-37页 |
| 5.4 实时人脸识别系统 | 第37-41页 |
| 第6章 总结与展望 | 第41-42页 |
| 参考文献 | 第42-46页 |
| 发表论文和参加科研情况说明 | 第46-47页 |
| 致谢 | 第47页 |
