| 摘要 | 第10-12页 |
| ABSTRACT | 第12-13页 |
| 文中常见缩写及符号说明 | 第14-16页 |
| 第1章 绪论 | 第16-23页 |
| 1.1 课题背景及意义 | 第16-18页 |
| 1.2 国内外现状 | 第18-21页 |
| 1.2.1 回归分类算法 | 第18-19页 |
| 1.2.2 基于l_1和l_2范数正则化的子空间方法 | 第19-21页 |
| 1.3 研究的主要内容 | 第21-22页 |
| 1.4 论文结构安排 | 第22-23页 |
| 第2章 基于类别稀疏和人工蜂群算法的人脸识别 | 第23-37页 |
| 2.1 基于l_1范数正则化的稀疏表示分类 | 第23-24页 |
| 2.2 基于l_1和l_2范数正则化的组稀疏 | 第24-26页 |
| 2.2.1 Elastic Net回归 | 第25页 |
| 2.2.2 Group LASSO回归 | 第25-26页 |
| 2.3 基于l_1和无穷范数的类别稀疏 | 第26-32页 |
| 2.3.1 算法的提出 | 第26-28页 |
| 2.3.2 改进的人工蜂群算法及问题优化 | 第28-32页 |
| 2.4 实验验证 | 第32-35页 |
| 2.4.1 人脸数据库介绍 | 第32-33页 |
| 2.4.2 CSRC的作用 | 第33-34页 |
| 2.4.3 实验结果 | 第34-35页 |
| 2.5 总结 | 第35-37页 |
| 第3章 自适应的最近邻Tikhonov正则化子空间其人脸识别 | 第37-51页 |
| 3.1 一种最近邻子空间分类器—LRC | 第37-39页 |
| 3.2 最近邻正则化子空间 | 第39-41页 |
| 3.2.1 l_2正则化 | 第39页 |
| 3.2.2 欧式距离权重Tikhonov正则化 | 第39-40页 |
| 3.2.3 LDA投影距离权重Tikhonov正则化 | 第40-41页 |
| 3.3 各分类器对比分析 | 第41-47页 |
| 3.3.1 光照鲁棒性 | 第41-45页 |
| 3.3.2 姿态鲁棒性 | 第45-47页 |
| 3.4 自适应的最近邻正则化分类器 | 第47-50页 |
| 3.4.1 算法的提出 | 第47-48页 |
| 3.4.2 实验验证 | 第48-50页 |
| 3.5 总结 | 第50-51页 |
| 第4章 基于分块2DPCR的人脸识别 | 第51-61页 |
| 4.1 线性回归分类的改进算法 | 第51页 |
| 4.1.1 岭回归 | 第51页 |
| 4.1.2 PCR | 第51页 |
| 4.2 二维主成分分析 | 第51-52页 |
| 4.3 分块的二维主成分回归 | 第52-55页 |
| 4.3.1 分块2DPCR | 第52-53页 |
| 4.3.2 模糊相似优先比决策 | 第53-54页 |
| 4.3.3 基于模糊决策的分块2DPCR算法步骤 | 第54-55页 |
| 4.4 实验验证 | 第55-59页 |
| 4.4.1 Yale B人脸数据库 | 第55-56页 |
| 4.4.2 CMU-PIE人脸数据库 | 第56-57页 |
| 4.4.3 FERET人脸数据库 | 第57-58页 |
| 4.4.4 AR人脸数据库 | 第58-59页 |
| 4.4.5 实验结果分析 | 第59页 |
| 4.5 总结 | 第59-61页 |
| 第5章 基于LRR的鉴别特征提取方法的人脸识别 | 第61-75页 |
| 5.1 线性图嵌入算法 | 第61-62页 |
| 5.2 稀疏保持投影和协同表示投影 | 第62-64页 |
| 5.2.1 SPP | 第63页 |
| 5.2.2 CRP | 第63-64页 |
| 5.3 基于低秩表示的鉴别特征提取 | 第64-67页 |
| 5.3.1 低秩表示 | 第64-65页 |
| 5.3.2 算法的提出 | 第65-67页 |
| 5.4 实验验证 | 第67-73页 |
| 5.4.1 Extended Yale B人脸数据库 | 第68-70页 |
| 5.4.2 AR人脸数据库 | 第70-72页 |
| 5.4.3 FERET人脸数据库 | 第72-73页 |
| 5.5 总结 | 第73-75页 |
| 第6章 总结与展望 | 第75-78页 |
| 6.1 总结 | 第75-76页 |
| 6.2 未解决的问题和以后工作展望 | 第76-78页 |
| 参考文献 | 第78-85页 |
| 致谢 | 第85-86页 |
| 攻读硕士学位期间的主要研究成果 | 第86-88页 |
| 学位论文评阅及答辩情况表 | 第88页 |
