| 摘要 | 第1-7页 |
| 英文摘要 | 第7-12页 |
| 第1章 绪论 | 第12-20页 |
| ·模式识别概述 | 第12-13页 |
| ·生物特征识别 | 第13-15页 |
| ·虹膜识别 | 第14页 |
| ·指纹识别 | 第14-15页 |
| ·声纹识别 | 第15页 |
| ·步态识别 | 第15页 |
| ·人脸识别概述 | 第15-18页 |
| ·人脸识别的基本问题 | 第16-17页 |
| ·人脸识别的研究现状 | 第17-18页 |
| ·自动人脸识别系统概述 | 第18页 |
| ·本文各章内容安排 | 第18-20页 |
| 第2章 人脸识别的主要理论方法 | 第20-36页 |
| ·人脸识别的常用方法 | 第20-32页 |
| ·主成分分析法 | 第20-21页 |
| ·线性判别分析法 | 第21-22页 |
| ·独立分量分析法 | 第22-23页 |
| ·核函数方法 | 第23-24页 |
| ·奇异值分解法 | 第24-26页 |
| ·隐马尔可夫模型法 | 第26-27页 |
| ·弹性图匹配法 | 第27-29页 |
| ·神经网络法 | 第29页 |
| ·贝叶斯法 | 第29-30页 |
| ·主动形状模型法 | 第30-32页 |
| ·三维形态模型法 | 第32页 |
| ·人脸识别中存在的问题 | 第32-33页 |
| ·人脸识别的发展方向 | 第33页 |
| ·本章小结 | 第33-36页 |
| 第3章 基于AdaBoost算法的人脸特征选择 | 第36-54页 |
| ·人脸灰度图像的Gabor Jet特征 | 第36-42页 |
| ·二维Gabor滤波器 | 第36-41页 |
| ·二维灰度图像的Gabor Jet特征 | 第41-42页 |
| ·基于Gabor特征的人脸识别方法概述 | 第42-44页 |
| ·分析法 | 第42-43页 |
| ·整体法 | 第43页 |
| ·Gabor小波网络 | 第43-44页 |
| ·基于AdaBoost算法的Gabor Jet特征选择 | 第44-49页 |
| ·特征选择概述 | 第44-46页 |
| ·基于AdaBoost算法的Gabor Jet特征选择 | 第46-49页 |
| ·基于Gabor Jet特征的人脸识别 | 第49-50页 |
| ·实验结果 | 第50-53页 |
| ·人脸数据库简介 | 第50页 |
| ·人脸图像预处理 | 第50-51页 |
| ·交叉验证 | 第51页 |
| ·实验一:人脸Gabor Jet特征选择 | 第51-52页 |
| ·实验二:人脸识别测试 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第4章 基于AdaBoost算法的支持向量机人脸识别 | 第54-78页 |
| ·支持向量机概述 | 第54-58页 |
| ·最优分类面 | 第54-55页 |
| ·广义最优分类而 | 第55-56页 |
| ·非线性分类问题 | 第56-57页 |
| ·Lagrange乘子法 | 第57-58页 |
| ·支持向量机的学习算法 | 第58-65页 |
| ·块算法 | 第59页 |
| ·分解算法 | 第59-60页 |
| ·序贯最小优化算法 | 第60-65页 |
| ·多类问题基本算法 | 第65-70页 |
| ·多类分类问题概述 | 第65-66页 |
| ·基于支持向量机的多类分类 | 第66-70页 |
| ·基于支持向量机的人脸识别 | 第70-76页 |
| ·错误纠正码简述 | 第70-71页 |
| ·Hadamard错误纠正码 | 第71-72页 |
| ·基于AdaBoost算法与错误纠正码的支持向量机人脸识别 | 第72-76页 |
| ·实验结果 | 第76-77页 |
| ·本章小结 | 第77-78页 |
| 第5章 总结与展望 | 第78-80页 |
| ·本文工作总结 | 第78-79页 |
| ·未来工作展望 | 第79-80页 |
| 参考文献 | 第80-86页 |
| 致谢 | 第86页 |
