| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第7-10页 |
| 第一章 绪论 | 第10-20页 |
| ·概述 | 第10-11页 |
| ·人脸识别问题 | 第11-13页 |
| ·人脸识别的新进展 | 第13页 |
| ·高维小样本问题 | 第13-14页 |
| ·类内协方差矩阵奇异性问题 | 第14-16页 |
| ·各类协方差矩阵奇异性问题 | 第16-17页 |
| ·协方差矩阵的不稳定性问题 | 第17页 |
| ·本文研究工作概述 | 第17-19页 |
| ·本文的内容安排 | 第19-20页 |
| 第二章 采用虚拟训练样本的优化算法 | 第20-36页 |
| ·小样本数据的分类识别 | 第20-21页 |
| ·贝叶斯分类器 | 第20-21页 |
| ·正则化判别分析 | 第21页 |
| ·协方差矩阵的逆阵不稳定性 | 第21-22页 |
| ·利用正交基向量生成随机虚拟训练样本 | 第22-24页 |
| ·训练样本的分布特征 | 第22-23页 |
| ·虚拟训练样本的生成方法 | 第23-24页 |
| ·采用虚拟训练样本优化正则化判别分析 | 第24页 |
| ·优化算法 | 第24页 |
| ·算法的时间复杂度分析 | 第24页 |
| ·实验及分析 | 第24-27页 |
| ·基于扰动的虚拟样本生成方法 | 第27-33页 |
| ·Hong 的扰动算法 | 第27-29页 |
| ·基于扰动的虚拟训练样本生成方法 | 第29-33页 |
| ·实验及分析 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第三章 具有学习功能的特征提取算法 | 第36-48页 |
| ·小样本问题 | 第36页 |
| ·具有学习功能的智能化方法 | 第36-38页 |
| ·基于预分类的特征提取算法 | 第38-42页 |
| ·主成分分析(PCA) | 第38-39页 |
| ·Fisherface 方法 | 第39-40页 |
| ·具有学习功能的特征提取算法 | 第40-42页 |
| ·基于多专家决策的特征提取算法 | 第42-45页 |
| ·算法的基本思想 | 第43-44页 |
| ·算法步骤 | 第44-45页 |
| ·实验及分析 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 具有学习功能的智能分类器算法 | 第48-60页 |
| ·具有学习功能的智能 RDA 分类器 | 第48-51页 |
| ·算法思想 | 第48-49页 |
| ·系统设计 | 第49-51页 |
| ·实验及分析 | 第51-55页 |
| ·在 ORL 人脸库上的对比实验 | 第51-53页 |
| ·在 NUST603 人脸库上的对比实验 | 第53-55页 |
| ·基于预分类的高效最近邻分类器 | 第55-58页 |
| ·算法思想 | 第55-56页 |
| ·算法步骤 | 第56-57页 |
| ·算法的错误率分析 | 第57-58页 |
| ·实验及分析 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第五章 基于双空间的特征提取算法 | 第60-75页 |
| ·双空间的特征提取算法 | 第60-61页 |
| ·基于 PCA 及 Fisherface 的双空间算法 | 第61-64页 |
| ·算法思想 | 第61-62页 |
| ·算法步骤 | 第62-63页 |
| ·实验及分析 | 第63-64页 |
| ·独立成分分析 | 第64-70页 |
| ·ICA 的定义 | 第64-66页 |
| ·ICA 的基本算法 | 第66-68页 |
| ·FastICA 算法 | 第68-70页 |
| ·基于 PCA 及 ICA 的双空间算法 | 第70-74页 |
| ·算法思想 | 第70-71页 |
| ·算法步骤 | 第71-72页 |
| ·实验及分析 | 第72-74页 |
| ·本章小结 | 第74-75页 |
| 第六章 基于正交投影的分类器算法 | 第75-84页 |
| ·引言 | 第75-77页 |
| ·向量的正交投影 | 第77-79页 |
| ·正交集 | 第77-78页 |
| ·正交投影 | 第78-79页 |
| ·基于正交投影的分类器算法 | 第79-80页 |
| ·实验及分析 | 第80-83页 |
| ·本章小结 | 第83-84页 |
| 第七章 最优鉴别矢量集的扰动分析 | 第84-93页 |
| ·引言 | 第84-85页 |
| ·不相关的图象投影鉴别分析 | 第85-86页 |
| ·图象投影鉴别分析 | 第85-86页 |
| ·统计不相关的图象投影鉴别分析 | 第86页 |
| ·特征值及特征向量的扰动分析 | 第86-91页 |
| ·特征值扰动界 | 第86-89页 |
| ·特征值的敏感度 | 第89-90页 |
| ·特征向量的敏感度 | 第90-91页 |
| ·统计不相关鉴别矢量集的优化 | 第91页 |
| ·实验及分析 | 第91-92页 |
| ·本章小结 | 第92-93页 |
| 结束语 | 第93-95页 |
| 致谢 | 第95-96页 |
| 参考文献 | 第96-104页 |
| 附录 | 第104页 |