| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-22页 |
| 1.1 课题背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.3 本文的研究内容 | 第17-20页 |
| 1.4 本文主要贡献和章节安排 | 第20-22页 |
| 第2章 稀疏表示相关理论 | 第22-29页 |
| 2.1 引言 | 第22-23页 |
| 2.2 稀疏表示理论 | 第23-25页 |
| 2.3 协同表示理论 | 第25-26页 |
| 2.4 概率协同表示理论 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 基于先验知识特征学习识别算法 | 第29-56页 |
| 3.1 引言 | 第29-30页 |
| 3.2 基于独立人脸身份的协同表示识别算法 | 第30-42页 |
| 3.2.1 IFRC算法原理 | 第30-35页 |
| 3.2.2 实验仿真及结果分析 | 第35-39页 |
| 3.2.3 IFRC算法分析 | 第39-41页 |
| 3.2.4 性能评价 | 第41-42页 |
| 3.3 基于字典学习特征空间的稀疏表示识别算法 | 第42-54页 |
| 3.3.1 特征字典模型及DLFS_SRC算法 | 第42-45页 |
| 3.3.2 实验仿真及结果分析 | 第45-52页 |
| 3.3.3 DLFS_SRC算法分析 | 第52-54页 |
| 3.3.4 性能评价 | 第54页 |
| 3.4 本章小结 | 第54-56页 |
| 第4章 基于低秩稀疏误差字典的概率协同表示识别算法 | 第56-68页 |
| 4.1 引言 | 第56-57页 |
| 4.2 LRSE_ProCRC算法描述 | 第57-59页 |
| 4.3 实验仿真及结果分析 | 第59-65页 |
| 4.3.1 特征方法对比实验 | 第60-62页 |
| 4.3.2 分类方法对比实验 | 第62页 |
| 4.3.3 训练样本对比实验 | 第62-63页 |
| 4.3.4 噪声变量对比实验 | 第63-65页 |
| 4.4 算法分析 | 第65-67页 |
| 4.5 本章小结 | 第67-68页 |
| 第5章 基于像素差值表示的区分性特征学习识别算法 | 第68-84页 |
| 5.1 引言 | 第68-69页 |
| 5.2 区分性特征字典及DFL_PDR算法 | 第69-73页 |
| 5.2.1 构建区分性特征字典 | 第70-71页 |
| 5.2.2 垂直二维线性判别分析 | 第71-72页 |
| 5.2.3 分类准则 | 第72-73页 |
| 5.3 实验仿真及结果分析 | 第73-82页 |
| 5.3.1 不同参数对比 | 第73-75页 |
| 5.3.2 平均识别率及运行时间对比 | 第75-78页 |
| 5.3.3 表情类识别率对比 | 第78-82页 |
| 5.4 DFL_PDR算法分析 | 第82-83页 |
| 5.5 本章小结 | 第83-84页 |
| 第6章 基于自学习的深层特征识别算法 | 第84-108页 |
| 6.1 引言 | 第84-85页 |
| 6.2 基于深度子空间特征核映射的稀疏表示识别算法 | 第85-97页 |
| 6.2.1 深度子空间模型 | 第86-88页 |
| 6.2.2 核空间映射 | 第88-89页 |
| 6.2.3 分类准则 | 第89-90页 |
| 6.2.4 实验仿真及结果分析 | 第90-97页 |
| 6.2.5 性能评价 | 第97页 |
| 6.3 基于深度子空间特征二步表示分类识别算法 | 第97-106页 |
| 6.3.1 TPRC算法原理 | 第97-98页 |
| 6.3.2 实验仿真及结果分析 | 第98-106页 |
| 6.3.3 TPRC算法分析 | 第106页 |
| 6.4 本章小结 | 第106-108页 |
| 结论 | 第108-110页 |
| 参考文献 | 第110-119页 |
| 攻读博士学位期间承担的科研任务与主要成果 | 第119-122页 |
| 致谢 | 第122-123页 |