| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 第一章 绪论 | 第10-16页 |
| ·课题研究的背景及意义 | 第10-11页 |
| ·国内外研究动态 | 第11-13页 |
| ·本文的研究内容与组织结构 | 第13-16页 |
| 第二章 人脸图像预处理 | 第16-20页 |
| ·预处理的方法 | 第16-17页 |
| ·人脸库简介及预处理 | 第17-20页 |
| 第三章 人脸特征提取方法 | 第20-34页 |
| ·特征提取方法简介及不足分析 | 第20-21页 |
| ·基于线性子空间的人脸识别方法 | 第21-27页 |
| ·主成分分析算法 | 第21-23页 |
| ·独立成分分析算法 | 第23-24页 |
| ·FASTICA 算法 | 第24-25页 |
| ·基于五阶牛顿迭代法与最速下降法相结合的 FASTICA 算法 | 第25-27页 |
| ·基于非线性子空间的人脸识别方法 | 第27-30页 |
| ·核方法 | 第27-28页 |
| ·核主成分分析算法 | 第28-29页 |
| ·核独立成分分析算法 | 第29-30页 |
| ·实验结果及分析 | 第30-34页 |
| 第四章 特征选择 | 第34-38页 |
| ·基于类内类间距离比的人脸特征选择方法 | 第34-35页 |
| ·基于 Relief 算法的人脸特征选择方法 | 第35-36页 |
| ·实验结果及分析 | 第36-38页 |
| 第五章 基于特征融合的人脸识别方法 | 第38-58页 |
| ·信息融合方法 | 第38-43页 |
| ·贝叶斯推理融合方法 | 第38-39页 |
| ·D-S 推理融合方法 | 第39页 |
| ·神经网络与信息融合法 | 第39-43页 |
| ·基于神经网络集成融合的人脸识别算法 | 第43-55页 |
| ·BP 神经网络 | 第43-48页 |
| ·RBF 神经网络 | 第48-51页 |
| ·PNN 神经网络 | 第51-53页 |
| ·神经网络集成方法 | 第53-55页 |
| ·分类器简介 | 第55-56页 |
| ·实验结果及分析 | 第56-58页 |
| 第六章 结论与展望 | 第58-60页 |
| ·全文总结 | 第58-59页 |
| ·研究展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 附录 | 第66页 |