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 |