人机交互中的人脸聚类研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 引言 | 第8-9页 |
| 1 绪论 | 第9-15页 |
| ·选题背景与研究意义 | 第9-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·研究任务与创新点 | 第12-13页 |
| ·全文的章节安排 | 第13-15页 |
| 2 人脸聚类分析框架设计 | 第15-25页 |
| ·人脸信息处理相关方法 | 第16-23页 |
| ·基于监督的人脸信息处理方法 | 第16-20页 |
| ·基于非监督学习的人脸信息处理方法 | 第20-23页 |
| ·人脸聚类分析的一般步骤 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 3 人脸特征提取 | 第25-35页 |
| ·主流人脸特征提取算法 | 第25-27页 |
| ·主动表观模型 | 第27-28页 |
| ·基于人体测量学的特征提取 | 第28-34页 |
| ·人体测量学特征提取 | 第29-31页 |
| ·特征选择度量方法 | 第31-32页 |
| ·人体测量学特征选择 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 4 基于 DPMM 的聚类计算 | 第35-47页 |
| ·Dirichlet 过程混合模型介绍 | 第35-39页 |
| ·Polya 缸分布构造 | 第36-37页 |
| ·Stickbreaking 分布构造 | 第37-38页 |
| ·中餐馆过程构造 | 第38-39页 |
| ·DPMM 采样过程 | 第39-40页 |
| ·马尔科夫链蒙特卡罗方法（MCMC）介绍 | 第40-41页 |
| ·DPMM 的变分推断算法 | 第41-46页 |
| ·KullbackLeibler 散度 | 第41-42页 |
| ·边缘密度函数 | 第42页 |
| ·DPMM 的变分推断求解 | 第42-45页 |
| ·变分推断计算流程 | 第45-46页 |
| ·人脸聚类中的 DPMM 算法 | 第46页 |
| ·本章小结 | 第46-47页 |
| 5 人脸聚类分析系统 | 第47-58页 |
| ·人脸聚类框架设计 | 第47-49页 |
| ·数据集 | 第49-51页 |
| ·特征选择 | 第51-52页 |
| ·聚类结果 | 第52-57页 |
| ·本章小结 | 第57-58页 |
| 6 结论 | 第58-60页 |
| ·本文工作总结 | 第58页 |
| ·下一步研究方向 | 第58-60页 |
| 参考文献 | 第60-67页 |
| 在学研究成果 | 第67-68页 |
| 致谢 | 第68页 |
