首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于协同表示和线性回归的人脸识别算法研究

摘要第4-5页
Abstract第5-6页
第一章 绪论第9-14页
    1.1 研究背景及意义第9-10页
    1.2 研究现状及发展趋势第10-12页
    1.3 本文的主要工作第12-13页
    1.4 本文的组织结构第13-14页
第二章 相关的线性回归方法第14-23页
    2.1 经典线性假设第14-17页
        2.1.1 主成分分析第14-15页
        2.1.2 独立成分分析第15-16页
        2.1.3 线性判别分析第16-17页
    2.2 线性回归方法第17-22页
        2.2.1 稀疏表示分类器第17-19页
        2.2.2 协同表示分类器第19-20页
        2.2.3 线性回归分类器第20-21页
        2.2.4 局部线性回归第21-22页
    2.3 本章小结第22-23页
第三章 扩展的线性回归分类器第23-34页
    3.1 线性回归分类器第24-25页
    3.2 样本偏差对LRC影响第25-26页
    3.3 扩展的线性回归分类器第26-29页
    3.4 实验结果及分析第29-33页
        3.4.1 所有训练图像已按场景正确分组第30-32页
        3.4.2 仅有部分图像已按场景分类第32-33页
    3.5 本章小结第33-34页
第四章 基于虚拟样本的协同表示分类器第34-44页
    4.1 协同表示分类器第35-38页
        4.1.1 协同表示分类器第35-36页
        4.1.2 协同表示分类器分析第36-38页
    4.2 基于虚拟样本的协同表示分类器第38-39页
    4.3 实验结果与分析第39-43页
        4.3.1 Yale库上的实验结果第39-40页
        4.3.2 AR库上的实验结果第40-41页
        4.3.3 FERET库上的实验结果第41-43页
    4.4 结束语第43-44页
第五章 基于Elastic Net的协同表示分类器第44-54页
    5.1 线性回归第44-48页
        5.1.1 最小二乘解第45-46页
        5.1.2 岭回归第46页
        5.1.3 Lasso第46-48页
    5.2 协同表示与线性回归第48-49页
    5.3 基于Elastic Net的协同表示分类器第49-50页
    5.4 实验结果与分析第50-53页
    5.5 结束语第53-54页
第六章 总结与展望第54-56页
    6.1 总结第54页
    6.2 展望第54-56页
参考文献第56-62页
攻读硕士学位期间发表的论文第62-63页
致谢第63-64页

论文共64页,点击 下载论文
上一篇:《基于能源的经济发展:清洁能源如何促进经济发展、刺激经济增长》(第一章、第二章)翻译实践报告
下一篇:一种自动仓储出货拣选子系统设计