基于核主成分分析特征提取及支持向量机的人脸识别应用研究
| 第一章 序言 | 第1-17页 |
| ·统计学习理论 | 第11-12页 |
| ·支持向量机 | 第12-14页 |
| ·核主成分分析 | 第14-15页 |
| ·本文的选题意义及内容安排 | 第15-17页 |
| 第二章 统计学习理论简介 | 第17-25页 |
| ·机器学习的基本问题 | 第18-20页 |
| ·机器学习问题的表示 | 第18-19页 |
| ·经验风险最小化 | 第19-20页 |
| ·复杂性与推广能力 | 第20页 |
| ·统计学习理论 | 第20-23页 |
| ·函数集的VC维 | 第21页 |
| ·推广能力的界 | 第21-22页 |
| ·结构风险最小化 | 第22-23页 |
| ·本章小结 | 第23-25页 |
| 第三章 层次支持向量机 | 第25-33页 |
| ·支持向量机的工作原理 | 第25-29页 |
| ·线性支持向量机 | 第25-27页 |
| ·非线性支持向量机 | 第27-29页 |
| ·支持向量机与人工神经网络的比较 | 第29-30页 |
| ·多类支持向量机 | 第30-31页 |
| ·二类组合分类 | 第30页 |
| ·层次支持向量机分类 | 第30-31页 |
| ·对比分析 | 第31页 |
| ·本章小结 | 第31-33页 |
| 第四章 核主成分分析的理论简介 | 第33-39页 |
| ·主成分分析 | 第33-35页 |
| ·核主成分分析方法 | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 第五章 支持向量机在人脸识别中的应用 | 第39-50页 |
| ·基于SVM和主成分分析的人脸识别 | 第40-45页 |
| ·人脸的特征提取 | 第40-43页 |
| ·人脸的识别过程 | 第43-44页 |
| ·实验结果及分析 | 第44-45页 |
| ·基于SVM和核主成分分析的人脸识别 | 第45-50页 |
| ·人脸的特征提取 | 第45-47页 |
| ·人脸的识别过程 | 第47-48页 |
| ·实验结果及分析 | 第48页 |
| ·本章小结 | 第48-50页 |
| 第六章 总结与展望 | 第50-53页 |
| ·总结 | 第50-51页 |
| ·展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 硕士期间发表的论文 | 第56页 |
