基于优化的贝叶斯人脸识别方法

摘要	第1-6页
ABSTRACT	第6-9页
第1章 绪论	第9-17页
·人脸识别研究的内容	第9-10页
·人脸识别的发展过程与现状	第10-11页
·人脸识别的应用及其意义	第11-12页
·人脸识别的应用	第11-12页
·人脸识别的意义	第12页
·人脸识别的技术挑战和发展趋势	第12-14页
·人脸识别的技术挑战	第12-13页
·人脸识别的技术趋势	第13-14页
·本文的主要工作	第14-17页
第2章 基于子空间的特征提取方法	第17-33页
·引言	第17页
·基于主成分分析的人脸识别方法	第17-21页
·主成份分析方法的主要原理	第17-18页
·主元素分析方法的算法实现	第18-21页
·基于线性判别分析的特征提取方法	第21-26页
·线性判别分析的基本原理	第21-22页
·线性判别分析方法的算法实现	第22-26页
·基于奇异值分解的特征提取方法	第26-29页
·奇异值分解的主要原理	第26-27页
·奇异值特征向量的重要性质	第27-28页
·基于奇异值和奇异值向量组合方法	第28页
·基于局部奇异值分解和的特征提取方法	第28-29页
·各种距离度量准则	第29-30页
·实验结果及其分析	第30-32页
·小结	第32-33页
第3章 基于贝叶斯的人脸识别方法	第33-49页
·引言	第33页
·基于贝叶斯的人脸识别方法的基本理论	第33-40页
·基于贝叶斯的匹配准则以及公式推导	第33-39页
·贝叶斯公式的基本形式	第33-35页
·贝叶斯公式的简化推导	第35-39页
·计算方法	第39-40页
·自适应贝叶斯人脸识别方法	第40-44页
·自适应贝叶斯人脸识别方法的基本原理	第40页
·子空间距离准则	第40-43页
·具体类内子空间的后验估计	第43-44页
·最大信息量协方差矩阵估计的人脸识别方法	第44-47页
·最大信息协方差矩阵估计的原理	第44-45页
·最大信息量协方差矩阵估计解决小样本问题	第45-47页
·本章小结	第47-49页
第4章 实验结果与其分析	第49-53页
第5章 总结与展望	第53-55页
参考文献	第55-59页
致谢	第59页