| 第一章 绪论 | 第1-11页 |
| 1-1 模式识别与传统的身份认证 | 第8页 |
| 1-2 模式识别与神经网络 | 第8-9页 |
| 1-3 生物特征认证技术 | 第9-10页 |
| 1-4 多生物特征融合认证技术 | 第10页 |
| 1-5 本文的研究工作 | 第10-11页 |
| 第二章 身份识别概述 | 第11-19页 |
| 2-1 概述 | 第11页 |
| 2-2 说话人识别 | 第11-13页 |
| 2-3 人脸识别综述 | 第13-18页 |
| 2-3-1 概述 | 第13-14页 |
| 2-3-2 人脸检测与定位 | 第14-15页 |
| 2-3-3 人脸图像的预处理 | 第15-16页 |
| 2-3-4 人脸图像特征提取 | 第16-17页 |
| 2-3-5 总结与展望 | 第17-18页 |
| 2-4 小结 | 第18-19页 |
| 第三章 信息融合与身份识别 | 第19-26页 |
| 3-1 信息融合概述 | 第19-22页 |
| 3-1-1 信息融合分类 | 第19-21页 |
| 3-1-2 数据融合与单源数据相比的优势 | 第21-22页 |
| 3-2 信息融合理论的现状 | 第22页 |
| 3-3 信息融合与身份识别 | 第22-24页 |
| 3-4 信息融合的一般方法 | 第24-25页 |
| 3-5 态势评估和威胁评估 | 第25-26页 |
| 第四章 神经网络与模式识别 | 第26-35页 |
| 4- 1神经网络发展史 | 第26-27页 |
| 4-2 神经网络模型 | 第27-28页 |
| 4-2-1 神经元结构模型 | 第27-28页 |
| 4-2-2 神经网络的互连模式 | 第28页 |
| 4-3 几种常用神经网络结构和算法 | 第28-34页 |
| 4-3-1 感知器网络 | 第28-30页 |
| 4-3-2 BP网络 | 第30-33页 |
| 4-3-3 Hopfie1d网络 | 第33页 |
| 4-3-4 径向基函数网络 | 第33-34页 |
| 4-4 神经网络与模式识别 | 第34页 |
| 4-4-1 多层前馈网络用于模式识别 | 第34页 |
| 4-4-2 自组织网络用于模式识别 | 第34页 |
| 4-5 小结 | 第34-35页 |
| 第五章 基于人脸和语音的多生物特征融合系统 | 第35-48页 |
| 5-1 多生物特征融合概述 | 第35-37页 |
| 5-1-1 相关文献概述 | 第35-36页 |
| 5-1-2 融合前的一些考虑 | 第36-37页 |
| 5-2 基于感知器网络的决策层融合方法 | 第37-41页 |
| 5-2-1 方法概述 | 第37页 |
| 5-2-2 把特定系统的融合问题归结为一个分类问题 | 第37-38页 |
| 5-2-3 感知器网络的原理及其实现 | 第38-39页 |
| 5-2-4 实验过程 | 第39-40页 |
| 5-2-5 实验小结 | 第40-41页 |
| 5-3 基于BP网络的特征层融合方法 | 第41-48页 |
| 5-3-1 算法描述 | 第41页 |
| 5-3-2 算法的重点和难点 | 第41-42页 |
| 5-3-3 实验过程 | 第42-47页 |
| 5-3-4 实验小结 | 第47-48页 |
| 第六章 结论 | 第48-49页 |
| 6-1 主要工作总结 | 第48页 |
| 6-2 今后工作展望 | 第48-49页 |
| 参考文献 | 第49-51页 |
| 致谢 | 第51页 |