| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 符号对照表 | 第9-10页 |
| 缩略语对照表 | 第10-13页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景 | 第13-14页 |
| 1.2 研究现状 | 第14-17页 |
| 1.3 本文研究内容及安排 | 第17-19页 |
| 第二章 人脸识别常用特征提取算法 | 第19-27页 |
| 2.1 引言 | 第19页 |
| 2.2 主成分分析 | 第19-21页 |
| 2.3 核主成分分析 | 第21-25页 |
| 2.3.1 核函数 | 第21-22页 |
| 2.3.2 KPCA | 第22-25页 |
| 2.4 线性判别分析 | 第25-26页 |
| 2.5 小结 | 第26-27页 |
| 第三章 基于DeepPCA的特征提取算法 | 第27-43页 |
| 3.1 引言 | 第27页 |
| 3.2 DeepPCA | 第27-30页 |
| 3.2.1 DeepPCA第一层结构 | 第28-29页 |
| 3.2.2 DeepPCA第二层结构 | 第29-30页 |
| 3.2.3 特征级联和分类识别 | 第30页 |
| 3.3 基于DeepPCA的改进算法 | 第30-33页 |
| 3.3.1 DeepPCA-LDA | 第30-32页 |
| 3.3.2 DeepPCA-KPCA | 第32-33页 |
| 3.4 实验仿真及结果分析 | 第33-41页 |
| 3.4.1 PIE数据库上的实验结果 | 第34页 |
| 3.4.2 AR数据库上的实验结果 | 第34-35页 |
| 3.4.3 Extended YaleB数据库上的实验结果 | 第35-36页 |
| 3.4.4 ORL数据库上的实验结果 | 第36-39页 |
| 3.4.5 实验结果分析 | 第39-41页 |
| 3.5 小结 | 第41-43页 |
| 第四章 基于EPCANet的特征提取算法 | 第43-59页 |
| 4.1 引言 | 第43页 |
| 4.2 基于PCANet的特征提取算法 | 第43-44页 |
| 4.3 EPCANet的结构 | 第44-48页 |
| 4.3.1 卷积层 | 第45-46页 |
| 4.3.2 数据处理层 | 第46-47页 |
| 4.3.3 输出层 | 第47-48页 |
| 4.4 实验结果与分析 | 第48-57页 |
| 4.4.1 Extended YaleB数据库上的实验结果 | 第48-50页 |
| 4.4.2 PIE数据库上的实验结果 | 第50-52页 |
| 4.4.3 ORL数据库上的实验结果 | 第52-54页 |
| 4.4.4 AR数据库上的实验结果 | 第54-55页 |
| 4.4.5 LFW数据库上的实验结果 | 第55-57页 |
| 4.5 小结 | 第57-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 研究内容总结 | 第59-60页 |
| 5.2 前景展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-67页 |
| 作者简介 | 第67-68页 |