基于粗糙集和神经网络的人脸识别方法的研究与实现
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 绪论 | 第8-12页 |
| 1. 课题的研究背景与意义 | 第8页 |
| 2. 人脸识别的国内外研究现状 | 第8-10页 |
| 3. 人脸识别面临的主要问题 | 第10页 |
| 4.本论文的主要研究内容 | 第10-12页 |
| 第一章 人脸识别技术综述 | 第12-22页 |
| ·人脸识别的主要方法 | 第12-15页 |
| ·基于特征脸的方法 | 第12-13页 |
| ·基于几何特征的人脸识别方法 | 第13页 |
| ·弹性图匹配的方法 | 第13-14页 |
| ·基于人工神经网络的方法 | 第14页 |
| ·基于支持向量机的方法 | 第14页 |
| ·隐马尔可夫模型的方法 | 第14-15页 |
| ·其他综合方法 | 第15页 |
| ·人脸识别的基本过程 | 第15-20页 |
| ·人脸图像预处理 | 第16-18页 |
| ·特征提取 | 第18-19页 |
| ·分类方法 | 第19-20页 |
| 本章小结 | 第20-22页 |
| 第二章 粗糙集理论与神经网络技术 | 第22-36页 |
| ·粗糙集理论 | 第22-28页 |
| ·粗糙集简介 | 第22页 |
| ·粗糙集的基本概念 | 第22-24页 |
| ·粗糙集中的属性约简 | 第24-26页 |
| ·粗糙集在图像处理中的应用 | 第26-28页 |
| ·人工神经网络技术 | 第28-34页 |
| ·人工神经网络简介 | 第28-29页 |
| ·人工神经网络元模型 | 第29-30页 |
| ·神经网络的拓扑结构和学习方式 | 第30-32页 |
| ·BP 神经网络 | 第32-34页 |
| 本章小结 | 第34-36页 |
| 第三章 基于粗糙集和神经网络的人脸识别方法 | 第36-55页 |
| ·图像预处理 | 第36-38页 |
| ·人脸图像库 | 第36-37页 |
| ·预处理方法 | 第37-38页 |
| ·PCA 特征提取 | 第38-42页 |
| ·K-L 变换 | 第38-40页 |
| ·奇异值分解原理 | 第40-41页 |
| ·PCA 原理与实现 | 第41-42页 |
| ·改进的PCA 人脸识别方法 | 第42-46页 |
| ·改进PCA 算法的原理 | 第42-43页 |
| ·改进PCA 算法的实现 | 第43-44页 |
| ·实验结果与分析 | 第44-46页 |
| ·基于粗糙集的属性约简方法 | 第46-51页 |
| ·基于粗糙集的属性约简方法 | 第47-49页 |
| ·属性重要度特征选择算法 | 第49-51页 |
| ·神经网络分类器设计 | 第51-54页 |
| ·输入输出层设计 | 第51-52页 |
| ·隐含层设计 | 第52-53页 |
| ·初始化设计 | 第53页 |
| ·网络中函数与期望误差的选取 | 第53-54页 |
| 本章小结 | 第54-55页 |
| 第四章 实验结果及其数据分析 | 第55-64页 |
| ·实验环境及实现的功能 | 第55-56页 |
| ·算法基本框架 | 第55-56页 |
| ·算法实现的主要功能 | 第56页 |
| ·实验结果分析 | 第56-62页 |
| ·预处理后的部分数据结果 | 第57页 |
| ·使用PCA 和粗糙集提取的特征 | 第57-60页 |
| ·神经网络训练和识别结果 | 第60-61页 |
| ·几种算法的识别结果比较 | 第61-62页 |
| 本章小结 | 第62-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-68页 |
| 附录A BP 网络学习公式推导 | 第68-72页 |
| 攻读硕士学位期间发表的学术论文 | 第72-73页 |
| 致谢 | 第73-74页 |
