基于独立分量分析和非负矩阵分解的人脸识别研究
| 第一章 绪论 | 第1-13页 |
| ·研究背景及意义 | 第8-9页 |
| ·人脸识别技术的研究内容 | 第9页 |
| ·人脸识别技术的研究难点 | 第9-10页 |
| ·人脸识别的研究现状和应用前景 | 第10-12页 |
| ·本文的工作与结构 | 第12-13页 |
| 第二章 独立分量分析理论 | 第13-29页 |
| ·引言 | 第13页 |
| ·统计独立的概念 | 第13-14页 |
| ·统计分析基础知识 | 第14-17页 |
| ·高阶矩 | 第14-15页 |
| ·高阶累积量 | 第15-16页 |
| ·多维统计数据的线性变换 | 第16-17页 |
| ·信息论理论概述 | 第17-21页 |
| ·信息熵 | 第17-18页 |
| ·互信息 | 第18-20页 |
| ·负熵(Negentropy) | 第20-21页 |
| ·主分量分析(PCA) | 第21-23页 |
| ·PCA基本概念 | 第21-22页 |
| ·主分量分析和独立分量分析 | 第22-23页 |
| ·ICA定义与模型 | 第23-27页 |
| ·ICA与盲信号分离 | 第23-24页 |
| ·ICA的线性模型 | 第24-25页 |
| ·ICA算法的研究 | 第25-27页 |
| ·ICA的目标函数 | 第26-27页 |
| ·ICA的优化算法 | 第27页 |
| ·本章小结 | 第27-29页 |
| 第三章 非负矩阵分解(NMF)理论 | 第29-41页 |
| ·NMF的原理及发展 | 第29-30页 |
| ·非负矩阵分解(NMF)算法理论 | 第30-37页 |
| ·非负矩阵分解 | 第30-31页 |
| ·NMF的目标函数 | 第31-32页 |
| ·NMF迭代规则 | 第32-33页 |
| ·NMF收敛性证明 | 第33-35页 |
| ·模式分类中的子空间分类问题 | 第35-37页 |
| ·基于NMF的子空间分类器设计 | 第37-40页 |
| ·关于基的个数r的讨论 | 第40页 |
| ·本章小结 | 第40-41页 |
| 第四章 基于ICA的人脸识别及结果分析 | 第41-57页 |
| ·引言 | 第41页 |
| ·人脸图像的预处理 | 第41-46页 |
| ·人脸图像的归一化 | 第41-45页 |
| ·几何归一化 | 第42-43页 |
| ·灰度归一化 | 第43-45页 |
| ·白化预处理 | 第45-46页 |
| ·基于独立分量分析的人脸识别方法 | 第46-49页 |
| ·基于独立分量分析的人脸特征提取模型 | 第47-48页 |
| ·ICA独立基的选择 | 第48-49页 |
| ·独立分量分析的FastICA优化算法 | 第49-52页 |
| ·FastICA算法的特点 | 第49-50页 |
| ·基于FastICA的特征提取 | 第50-52页 |
| ·NMF分类 | 第52-53页 |
| ·NMF子空间分类器中参数k_1、k_2的选取 | 第52-53页 |
| ·实验结果及分析 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62页 |
