基于稀疏表示的局部保留投影算法研究
| 提要 | 第4-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题研究背景和意义 | 第11-12页 |
| 1.2 人脸识别技术的发展和国内外研究现状 | 第12-15页 |
| 1.2.1 人脸识别的发展历史 | 第12-14页 |
| 1.2.2 人脸识别的研究现状 | 第14-15页 |
| 1.3 人脸识别关键问题 | 第15-17页 |
| 1.4 本文主要研究内容 | 第17页 |
| 1.5 本文结构安排 | 第17-19页 |
| 第2章 人脸识别主要方法概述 | 第19-27页 |
| 2.1 主要识别方法 | 第19-25页 |
| 2.1.1 基于几何特征的方法 | 第19-20页 |
| 2.1.2 基于特征脸的方法 | 第20-21页 |
| 2.1.3 基于弹性图匹配的方法 | 第21-22页 |
| 2.1.4 基于神经网络的方法 | 第22-23页 |
| 2.1.5 基于隐马尔可夫模型（HMM）的方法 | 第23页 |
| 2.1.6 基于支持向量机（SVM）的方法 | 第23-25页 |
| 2.2 常用的人脸数据库 | 第25-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 主要降维方法介绍 | 第27-40页 |
| 3.1 线性降维方法 | 第27-34页 |
| 3.1.1 主成分分析（PCA） | 第27-30页 |
| 3.1.2 线性判别分析（LDA） | 第30-34页 |
| 3.2 非线性降维方法 | 第34-38页 |
| 3.2.1 局部线性嵌入（LLE）算法 | 第34-37页 |
| 3.2.2 拉普拉斯特征映射（LE） | 第37-38页 |
| 3.3 本章小结 | 第38-40页 |
| 第4章 基于稀疏分类的局部保留投影算法 | 第40-51页 |
| 4.1 局部保留投影（LPP）算法 | 第40-43页 |
| 4.2 稀疏表示分类 | 第43-46页 |
| 4.3 实验结果与分析 | 第46-50页 |
| 4.3.1 在 AR 库上的实验 | 第46-48页 |
| 4.3.2 在 Yale 库上的实验 | 第48-49页 |
| 4.3.3 在 ORL 库上的实验 | 第49-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51-52页 |
| 5.2 展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 作者简介及在学期间所取得的科研成果 | 第56-57页 |
| 致谢 | 第57页 |
