人脸图像的子空间表示研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-16页 |
| 第一章 绪论 | 第16-25页 |
| ·人脸识别 | 第16-20页 |
| ·人脸识别分类 | 第16-19页 |
| ·人脸识别挑战 | 第19-20页 |
| ·子空间表示 | 第20-23页 |
| ·主成分分析 | 第21页 |
| ·线性判别分析 | 第21-23页 |
| ·本文内容安排 | 第23-25页 |
| 第二章 基于主成分分析的方法 | 第25-56页 |
| ·引言 | 第25-27页 |
| ·主成分分析及其二维改进 | 第27-32页 |
| ·奇异值分解 | 第27-28页 |
| ·主成分分析 | 第28-29页 |
| ·二维主成分分析 | 第29-30页 |
| ·推广低秩逼近 | 第30-32页 |
| ·二维主成分分析的深入分析 | 第32-34页 |
| ·降维与重建 | 第32-34页 |
| ·距离度量 | 第34页 |
| ·非迭代推广低秩逼近 | 第34-42页 |
| ·算法提出 | 第34-36页 |
| ·降维与重建分析 | 第36-37页 |
| ·确定m 和n 的准则 | 第37-38页 |
| ·实验结果 | 第38-42页 |
| ·推广低秩逼近的深入分析 | 第42-52页 |
| ·与奇异值分解的关系 | 第42-44页 |
| ·两个公开问题 | 第44-47页 |
| ·什么时候能取得好的压缩性能 | 第47-49页 |
| ·实验结果 | 第49-52页 |
| ·渐进主成分分析 | 第52-54页 |
| ·算法提出 | 第52-53页 |
| ·实验结果 | 第53-54页 |
| ·本章小结 | 第54-56页 |
| 第三章 基于线性判别分析的方法 | 第56-103页 |
| ·引言 | 第56-58页 |
| ·线性判别分析的几种改进方法 | 第58-67页 |
| ·正则化判别分析 | 第58-59页 |
| ·伪逆法线性判别分析 | 第59-60页 |
| ·Fisherfaces | 第60-61页 |
| ·判别公共向量 | 第61-62页 |
| ·最大间隔准则 | 第62-63页 |
| ·拉普拉斯脸 | 第63-65页 |
| ·近邻成分分析 | 第65-66页 |
| ·基于QR 分解的线性判别分析 | 第66-67页 |
| ·几种线性判别分析方法的性质 | 第67-74页 |
| ·判别公共向量 | 第67-70页 |
| ·加权最大间隔准则 | 第70-74页 |
| ·拉普拉斯脸 | 第74页 |
| ·近邻成分分析 | 第74页 |
| ·快速算法 | 第74-82页 |
| ·最大间隔准则 | 第75-77页 |
| ·正则化判别分析 | 第77-78页 |
| ·伪逆法线性判别分析 | 第78-79页 |
| ·核伪逆法线性判别分析 | 第79-82页 |
| ·判别公共向量与几种方法的关系 | 第82-87页 |
| ·近邻成分分析 | 第82-84页 |
| ·拉普拉斯脸 | 第84页 |
| ·加权最大间隔准则 | 第84-86页 |
| ·正则化判别分析 | 第86页 |
| ·两个指标 | 第86-87页 |
| ·重采样线性判别分析 | 第87-88页 |
| ·实验结果 | 第88-100页 |
| ·DCV 与LAP 和NCA 的关系 | 第89-93页 |
| ·DCV 与RDA 和wMMC 的关系 | 第93-98页 |
| ·核伪逆法线性判别分析 | 第98页 |
| ·重采样PCA+LDA 和LDA/QR | 第98-100页 |
| ·本章小结 | 第100-103页 |
| 第四章 分数阶奇异值分解表示 | 第103-124页 |
| ·引言 | 第103-104页 |
| ·分数阶奇异值分解表示 | 第104-109页 |
| ·奇异值分解 | 第104-107页 |
| ·分数阶奇异值分解表示 | 第107-109页 |
| ·实验结果 | 第109-120页 |
| ·直接基于分数阶奇异值分解表示的识别性能 | 第110-112页 |
| ·以分数阶奇异值分解表示作为中间级表示的识别性能 | 第112-116页 |
| ·可视化分数阶奇异值分解表示下的样本分布 | 第116-118页 |
| ·分数阶参数的选择 | 第118-120页 |
| ·子模式分数阶奇异值分解表示 | 第120-122页 |
| ·伽马校正 | 第120-121页 |
| ·子模式分数阶奇异值分解表示 | 第121-122页 |
| ·本章小结 | 第122-124页 |
| 第五章 单图像子空间表示 | 第124-139页 |
| ·引言 | 第124-125页 |
| ·单图像子空间 | 第125-130页 |
| ·产生虚拟图像 | 第126-127页 |
| ·构建子空间 | 第127-128页 |
| ·子空间距离 | 第128-129页 |
| ·识别过程 | 第129-130页 |
| ·实验结果 | 第130-136页 |
| ·数据集及实验设置 | 第130-132页 |
| ·每类单训练样本 | 第132-134页 |
| ·每类多训练样本 | 第134-135页 |
| ·参数选择 | 第135-136页 |
| ·基于单图像子空间的核 | 第136-138页 |
| ·本章小结 | 第138-139页 |
| 第六章 结束语 | 第139-142页 |
| 参考文献 | 第142-154页 |
| 致谢 | 第154-155页 |
| 在学期间的研究成果及发表的学术论文 | 第155-157页 |
| 攻读博士学位期间参加科研项目情况 | 第157页 |
| 主要学术任职 | 第157-158页 |
| 附录 所使用人脸数据集的典型图像 | 第158-160页 |
