基于随机聚类森林的人脸识别方法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第1章 绪论 | 第8-16页 |
| ·课题背景及意义 | 第8-11页 |
| ·生物识别技术概述 | 第8页 |
| ·常用生物识别技术 | 第8-10页 |
| ·人脸识别技术的重要作用 | 第10-11页 |
| ·人脸识别技术 | 第11-14页 |
| ·人脸识别技术的发展 | 第11-12页 |
| ·主要人脸识别方法 | 第12-14页 |
| ·本文的研究内容和结构安排 | 第14-16页 |
| 第2章 尺度不变性特征变换算子(SIFT) | 第16-29页 |
| ·国内外研究现状 | 第16-17页 |
| ·尺度不变性特征变换算法描述 | 第17-23页 |
| ·尺度不变性特征变换算法概述 | 第17-18页 |
| ·尺度不变性特征变换特征提取 | 第18-23页 |
| ·实验结果及其分析 | 第23-28页 |
| ·本章总结 | 第28-29页 |
| 第3章 随机树 | 第29-38页 |
| ·研究背景及研究现状 | 第29-30页 |
| ·随机树算法描述 | 第30-34页 |
| ·算法基本流程 | 第30-31页 |
| ·算法基本原理 | 第31-33页 |
| ·随机树参数设置 | 第33-34页 |
| ·各种熵描述 | 第34-35页 |
| ·实验结果及其分析 | 第35-37页 |
| ·本章总结 | 第37-38页 |
| 第4章 支持向量机 | 第38-48页 |
| ·支持向量机概述 | 第38-40页 |
| ·统计学习理论 | 第38-39页 |
| ·支持向量机 | 第39-40页 |
| ·SVM 基本原理 | 第40-47页 |
| ·线性判别函数和判别面 | 第40-42页 |
| ·广义线性判别函数 | 第42-44页 |
| ·最优分类面 | 第44-45页 |
| ·支持向量机 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 基于完全随机树的人脸识别 | 第48-60页 |
| ·比对方法 | 第48-51页 |
| ·融合完全随机树的SIFT 特征 | 第48-50页 |
| ·比对方法概述 | 第50-51页 |
| ·ERT 构造方法的两点改进 | 第51-54页 |
| ·分裂的熵模式改进 | 第51-52页 |
| ·ERT 生成时的最小熵限制 | 第52-54页 |
| ·实验结果 | 第54-59页 |
| ·实验样本库 | 第54-55页 |
| ·实验平台、运行结果及结果分析 | 第55-59页 |
| ·本章小结 | 第59-60页 |
| 第6章 总结与展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 附录 | 第67页 |
