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

面向人脸识别的子空间分析和分类方法研究

致谢第1-6页
摘要第6-8页
ABSTRACT第8-10页
目录第10-13页
1 绪论第13-25页
   ·人脸识别研究背景第13-16页
   ·人脸识别中的子空间方法第16-19页
   ·子空间方法在人脸识别中面临的技术挑战第19-21页
   ·本文主要创新点及内容安排第21-25页
     ·本文主要创新点第21-23页
     ·本文内容及安排第23-25页
2 主成分分析变换空间上的鉴别共同向量人脸识别方法第25-51页
   ·引言第25-26页
   ·鉴别共同向量及其算法第26-32页
     ·DCV算法1第27-30页
     ·DCV算法2第30-32页
   ·主成分分析变换空间上的鉴别共同向量算法(PCA+DCV)第32-39页
     ·PCA+DCV方法思想第32-33页
     ·PCA+DCV算法及证明第33-37页
     ·PCA+DCV与DCV的时间复杂度分析比较第37-39页
   ·权重化的PCA+DCV人脸识别方法(WPCA+DCV)第39-42页
     ·人脸识别中的主成分分量权重化思想第39-41页
     ·WPCA+DCV算法第41-42页
   ·实验及结果分析第42-48页
     ·实验条件介绍第43-46页
     ·DCV算法2与PCA+DCV算法比较实验第46页
     ·WPCA+DCV方法识别效果实验第46-48页
   ·小结与讨论第48-51页
3 非负矩阵分解子空间方法的统一形式第51-81页
   ·引言第51-52页
   ·非负矩阵分解(NMF)相关介绍第52-56页
     ·人脸图像的非负矩阵分解第52-53页
     ·非负矩阵分解算法第53-54页
     ·局部非负矩阵分解第54-56页
   ·非负矩阵分解的统一形式第56-74页
     ·统一形式非负矩阵分解的目标函数第56-57页
     ·PCA非负矩阵分解(PCA NMF)第57-59页
     ·Fisher非负矩阵分解(Fisher NMF)第59-62页
     ·局部保持非负矩阵分解(Locality Presering NMF)第62-65页
     ·统一形式非负矩阵分解的迭代算法第65-74页
   ·实验及结果分析第74-79页
     ·降维与重构实验第74-78页
     ·人脸识别实验第78-79页
   ·小结与讨论第79-81页
4 单样本条件下权重模块二维主成分分析人脸识别第81-101页
   ·引言第81页
   ·单样本条件人脸识别问题第81-83页
   ·二维主成分分析方法(2DPCA)第83-86页
     ·2DPCA算法第84-85页
     ·2DPCA的本质第85-86页
   ·权重化的模块二维主成分分析人脸识别方法第86-92页
     ·单样本下的基于模块2DPCA的特征提取第87-88页
     ·基于光流的脸部像素差异分析第88-91页
     ·权重模块二维主成分分析人脸识别第91-92页
   ·实验及结果分析第92-99页
     ·JAFFE实验第92-96页
     ·ORL实验第96-99页
   ·小结与讨论第99-101页
5 整体优化的多类支持向量分类器人脸识别研究第101-123页
   ·引言第101-102页
   ·多类支持向量分类器简介第102-105页
     ·多类支持向量分类器的分类机制第102-103页
     ·基于单个QP问题的多类支持向量分类器介绍第103-105页
   ·二类支持向量分类器的另一描述形式第105-106页
   ·整体优化的多类大间隔分类器第106-111页
     ·算法描述第106-108页
     ·算法解释第108-110页
     ·算法的复杂度比较第110-111页
   ·实验及结果分析第111-120页
     ·人工数据实验第111-115页
     ·标准数据库数据实验第115-117页
     ·人脸识别实验第117-120页
   ·小结与讨论第120-123页
6 总结与展望第123-127页
   ·总结第123-125页
   ·展望第125-127页
参考文献第127-136页
作者简介第136页
攻读学位期间发表的论文第136页
攻读学位期间参加的项目第136页

论文共136页,点击 下载论文
上一篇:复杂动态随机网络最短路径问题研究
下一篇:无线通信中的合作中继与感知频谱共享技术研究