基于字典学习的人脸识别研究
| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 人脸识别的研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.3 本文的主要研究内容 | 第17-18页 |
| 1.4 本文的结构安排 | 第18-20页 |
| 第2章 字典学习的基本理论 | 第20-29页 |
| 2.1 引言 | 第20页 |
| 2.2 主成分分析(PCA) | 第20-22页 |
| 2.2.1 方差极大化 | 第20-21页 |
| 2.2.2 最小均方差压缩 | 第21-22页 |
| 2.3 K-SVD的基本理论 | 第22-25页 |
| 2.3.1 奇异值分解(SVD) | 第22页 |
| 2.3.2 K-means | 第22-24页 |
| 2.3.3 K-SVD的优化步骤 | 第24-25页 |
| 2.4 独立成分分析的基本理论 | 第25-28页 |
| 2.4.1 鸡尾酒问题 | 第25-26页 |
| 2.4.2 独立成分的定义 | 第26-27页 |
| 2.4.3 独立成分分析估计原理 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 稀疏混合独立成分的提取研究 | 第29-41页 |
| 3.1 问题的提出 | 第29-31页 |
| 3.2 稀疏混合独立成分的提取研究 | 第31-34页 |
| 3.2.1 字典学习 | 第31-32页 |
| 3.2.2 负熵约束 | 第32-33页 |
| 3.2.3 构建模型 | 第33-34页 |
| 3.3 采用梯度下降法优化 | 第34-36页 |
| 3.4 实验 | 第36-40页 |
| 3.4.1 参数设置 | 第37页 |
| 3.4.2 噪声实验 | 第37-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 在人脸识别中的应用 | 第41-55页 |
| 4.1 问题的提出 | 第41页 |
| 4.2 神经网络的背景分析 | 第41-43页 |
| 4.2.1 玻尔兹曼机 | 第41-42页 |
| 4.2.2 神经网络 | 第42-43页 |
| 4.3 结构 1：ICA1 | 第43-45页 |
| 4.4 基于稀疏表示的人脸识别 | 第45-46页 |
| 4.5 结构1和稀疏表示的融合的人脸识别 | 第46-48页 |
| 4.5.1 算法研究 | 第46-47页 |
| 4.5.2 分类器 | 第47-48页 |
| 4.6 实验分析 | 第48-54页 |
| 4.6.1 数据预处理 | 第48-49页 |
| 4.6.2 人脸识别实验及分析 | 第49-54页 |
| 4.7 本章小结 | 第54-55页 |
| 第5章 工作总结与展望 | 第55-58页 |
| 5.1 本文研究工作总结 | 第55-56页 |
| 5.2 展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-64页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第64页 |
