首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

流形学习降维算法研究及其在人脸识别中的应用

摘要第1-4页
Abstract第4-8页
第一章 绪论第8-13页
   ·研究背景与意义第8-9页
   ·数据降维方法概述第9-11页
   ·人脸库简介第11-12页
     ·YALE 数据库第11页
     ·ORL 数据库第11页
     ·PIE 数据库第11-12页
   ·本文的研究工作及结构第12-13页
第二章 数据降维算法第13-22页
   ·图嵌入框架第13-14页
   ·线性降维方法第14-16页
     ·主成分分析(PCA)第14-15页
     ·线性鉴别分析(LDA)第15页
     ·邻域保持嵌入算法(NPE)第15-16页
   ·非线性降维方法第16-20页
     ·局部线性嵌入(LLE)第16-18页
     ·拉普拉斯特征映射(LE)第18-19页
     ·等距映射(ISOMAP)第19-20页
   ·本章小结第20-22页
第三章 完备正交邻域保持判别嵌入的人脸识别第22-30页
   ·引言第22页
   ·邻域保持判别嵌入算法(NPDE)第22-23页
   ·完备正交邻域保持判别嵌入算法(CONPDE)第23-25页
     ·预处理第23-24页
     ·判别特征提取第24-25页
   ·实验与结果分析第25-29页
     ·参数k 对平均识别率的影响第25-26页
     ·识别性能分析第26-29页
   ·本章小结第29-30页
第四章 正交 SRDA 和 SRKDA 及其在人脸识别中的应用第30-41页
   ·引言第30-31页
   ·相关算法回顾第31-32页
     ·谱回归判别分析(SRDA)第31-32页
     ·谱回归核判别分析(SRKDA)第32页
   ·正交 SRDA 和 SRKDA第32-35页
     ·理论分析第32-34页
     ·正交 SRDA(OSRDA)第34页
     ·正交 SRKDA(OSRKDA)第34-35页
   ·实验与结果分析第35-40页
     ·正则化因子 对平均识别率的影响第35-37页
     ·识别性能分析第37-40页
   ·本章小结第40-41页
第五章 基于零空间核判别分析的人脸识别第41-51页
   ·引言第41-42页
   ·相关算法回顾第42-43页
     ·零空间线性判别分析(NLDA)第42页
     ·核判别分析(KDA)第42-43页
   ·零空间核判别分析(NKDA)第43-45页
   ·增量零空间核判别分析(INKDA)第45-47页
   ·实验与结果分析第47-50页
     ·识别性能分析第47-49页
     ·计算时间分析第49-50页
   ·本章小结第50-51页
第六章 总结与展望第51-53页
   ·本文工作总结第51-52页
   ·进一步的工作第52-53页
致谢第53-54页
参考文献第54-57页
附录:作者在攻读硕士学位期间发表的论文第57页

论文共57页,点击 下载论文
上一篇:图像区域的曲线描述及应用研究
下一篇:基于几何基元的实时匹配与定位技术的研究与开发