摘要 | 第4-5页 |
ABSTRACT | 第5页 |
1 绪论 | 第8-12页 |
1.1 本文研究背景及意义 | 第8-9页 |
1.2 国内外研究现状 | 第9-10页 |
1.3 本文的主要研究内容 | 第10-11页 |
1.4 本文的组织结构 | 第11-12页 |
2 相关经典算法介绍 | 第12-18页 |
2.1 主成分分析 | 第12页 |
2.2 线性判别分析 | 第12-13页 |
2.3 局部保持投影 | 第13-14页 |
2.4 边际Fisher分析 | 第14-15页 |
2.5 PCANet | 第15-16页 |
2.6 本章小结 | 第16-18页 |
3 LPPNet学习网络 | 第18-30页 |
3.1 LPPNet的结构 | 第18页 |
3.2 具体结构分析 | 第18-24页 |
3.2.1 第一卷积层 | 第18-21页 |
3.2.2 第二卷积层 | 第21-23页 |
3.2.3 输出层 | 第23页 |
3.2.4 分类器 | 第23-24页 |
3.3 实验结果与分析 | 第24-27页 |
3.3.1 在ExtendedYaleB数据库上的图像识别 | 第24-25页 |
3.3.2 在CMUPIE数据库上的图像识别 | 第25-26页 |
3.3.3 在FERET数据库上的图像识别 | 第26-27页 |
3.3.4 实验结果分析 | 第27页 |
3.4 本章小结 | 第27-30页 |
4 系统实现 | 第30-44页 |
4.1 系统设计概述 | 第30页 |
4.2 系统界面设计 | 第30-31页 |
4.3 后台程序设计 | 第31-38页 |
4.3.1 网络训练模块程序设计 | 第32-35页 |
4.3.2 图像识别模块程序设计 | 第35-38页 |
4.4 系统测试 | 第38-42页 |
4.4.1 网络训练测试 | 第39-40页 |
4.4.2 图像识别测试 | 第40-42页 |
4.5 本章小结 | 第42-44页 |
5 总结与展望 | 第44-46页 |
5.1 内容总结 | 第44页 |
5.2 工作展望 | 第44-46页 |
参考文献 | 第46-48页 |
致谢 | 第48-50页 |
攻读学位期间的科研成果 | 第50-51页 |