| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-12页 |
| 1 绪论 | 第12-17页 |
| ·研究背景及意义 | 第12页 |
| ·人的面部识别概述 | 第12-13页 |
| ·研究现状 | 第12-13页 |
| ·研究的主要内容 | 第13页 |
| ·算法评价 | 第13页 |
| ·常用的人的面部照片库 | 第13-16页 |
| ·本章小结 | 第16-17页 |
| 2 PCA 人脸识别算法基础 | 第17-37页 |
| ·算法概述 | 第17页 |
| ·K-L 变换 | 第17-19页 |
| ·算法的具体识别步骤 | 第19-20页 |
| ·读入训练用的人的面部照片 | 第19页 |
| ·计算平均脸及每张训练图像与平均脸的距离向量 | 第19页 |
| ·计算特征脸 | 第19-20页 |
| ·投影 | 第20页 |
| ·对待识别的人脸进行识别（利用欧氏距离分类） | 第20页 |
| ·主分量分析算法的特点 | 第20-21页 |
| ·传统特征空间的确定 | 第21-23页 |
| ·人脸识别算法中常用的分类器 | 第23-25页 |
| ·按照距离方式的分类器 | 第23-24页 |
| ·按照相似度方式的分类器 | 第24-25页 |
| ·本算法中常用的分类器 | 第25页 |
| ·影响本算法识别率的一些因素 | 第25-27页 |
| ·人的面部照片的预处理 | 第25-26页 |
| ·人的面部照片的缩放 | 第26-27页 |
| ·增加训练样本可以提高识别率 | 第27页 |
| ·主要改进算法 | 第27-31页 |
| ·Fisher（LDA）方法 | 第27-28页 |
| ·基于二维主元分析（2DPCA）的人的面部识别方法 | 第28页 |
| ·独立成分分析 ICA | 第28-29页 |
| ·贝叶斯人的面部照片识别方法 | 第29页 |
| ·(2D)2PCA 算法 | 第29页 |
| ·子模式主元分析（SpPCA）算法 | 第29-30页 |
| ·模块主元分析算法 | 第30页 |
| ·其他一些改进方法 | 第30-31页 |
| ·本算法的 Matlab 程序实现 | 第31-36页 |
| ·example.m 文件代码 | 第31-32页 |
| ·CreateDatabase.m 文件代码 | 第32-33页 |
| ·EigenfaceCore.m 文件代码 | 第33-34页 |
| ·Recognition.m 文件代码 | 第34-35页 |
| ·利用 Matlab 仿真程序进行实验 | 第35-36页 |
| ·对本方法 Matlab 仿真程序的改进 | 第36页 |
| ·本章小结 | 第36-37页 |
| 3 遗传算法基础 | 第37-43页 |
| ·本算法发展历程 | 第37-38页 |
| ·本算法概述 | 第38页 |
| ·本算法的特点 | 第38-40页 |
| ·本算法的一些优点 | 第39-40页 |
| ·本算法的不足之处 | 第40页 |
| ·本算法的主要应用领域 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 4 U 型脸在PCA 人脸识别算法中的应用研究 | 第43-52页 |
| ·U 型脸提出的背景与意义 | 第43-44页 |
| ·U 型脸的标定 | 第44页 |
| ·U 型脸的特点 | 第44页 |
| ·U 型脸的实现 | 第44-47页 |
| ·U 型脸粗糙模型的实现 | 第44-45页 |
| ·U-3 模型的实现 | 第45页 |
| ·U-4 模型的实现 | 第45-47页 |
| ·关于 U 型脸的实验 | 第47-50页 |
| ·实验1（利用Face95 人脸库进行的实验） | 第48页 |
| ·实验2（利用Face95 获得的 U-2 进行实验） | 第48-49页 |
| ·实验3（利用Face95 获得的 U-3 进行实验） | 第49-50页 |
| ·分析实验结果 | 第50页 |
| ·本章小结 | 第50-52页 |
| 5 遗传算法在 PCA 人脸识别方法中的应用研究 | 第52-62页 |
| ·可行性探讨（特征空间与识别率的关系） | 第52-56页 |
| ·实验1（不同个数非零特征值（40 个）对应的识别率） | 第52-53页 |
| ·实验2（非零特征值（10 个）的排列组合对应的识别率）.. | 第53-54页 |
| ·实验3（不同个数非零特征值（10 个）对应的识别率） | 第54-55页 |
| ·实验4（不同个数非零特征值（200 个）对应的识别率） | 第55-56页 |
| ·对实验结果进行分析 | 第56页 |
| ·遗传算法与 PCA 人脸识别方法的结合 | 第56-61页 |
| ·结合方法 | 第56-57页 |
| ·对“结合方法”的分析 | 第57-58页 |
| ·实验1（不同个数非零特征值（40 个）对应的识别率） | 第58-59页 |
| ·实验2（利用遗传算法筛选特征空间） | 第59-60页 |
| ·实验3（利用传统的PCA 进行的实验） | 第60-61页 |
| ·实验4（利用遗传算法筛选的结果进行实验） | 第61页 |
| ·本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 作者简历 | 第66-67页 |
| 学位论文数据集 | 第67-68页 |
