基于支持向量机的人脸识别改进算法
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-15页 |
| ·课题的研究背景及意义 | 第9页 |
| ·研究现状 | 第9-10页 |
| ·人脸识别系统 | 第10-13页 |
| ·自动与半自动人脸识别 | 第10-11页 |
| ·鉴别、验证和监控 | 第11页 |
| ·大型人脸识别系统 | 第11-12页 |
| ·人脸识别系统性能评测 | 第12-13页 |
| ·本文主要工作 | 第13-15页 |
| 第2章 人脸识别技术 | 第15-26页 |
| ·人脸图像的检测 | 第15-17页 |
| ·人脸图像检测概述 | 第15-16页 |
| ·基于人脸图像色彩属性 | 第16-17页 |
| ·基于人脸几何特征 | 第17页 |
| ·人脸图像特征提取 | 第17-23页 |
| ·主成分分析 | 第17-19页 |
| ·线性判决分析 | 第19-21页 |
| ·基于核的特征提取方法 | 第21-23页 |
| ·人脸图像分类方法 | 第23-25页 |
| ·基于人工神经网络的方法 | 第23页 |
| ·基于支持向量机的方法 | 第23-24页 |
| ·基于三维数据的方法 | 第24页 |
| ·几种方法的比较 | 第24-25页 |
| ·小结 | 第25-26页 |
| 第3章 支持向量机基本理论 | 第26-35页 |
| ·统计学习理论 | 第26-28页 |
| ·概述 | 第26页 |
| ·VC维 | 第26-27页 |
| ·结构风险最小化 | 第27-28页 |
| ·支持向量机 | 第28-34页 |
| ·KKT条件及Mercer核 | 第29-30页 |
| ·线性支持向量机 | 第30-33页 |
| ·非线性支持向量机 | 第33-34页 |
| ·小结 | 第34-35页 |
| 第4章 基于支持向量机的人脸识别算法 | 第35-47页 |
| ·决策树理论 | 第35-37页 |
| ·概述 | 第35页 |
| ·基本算法 | 第35-36页 |
| ·CLS算法 | 第36-37页 |
| ·基于支持向量机的人脸识别算法 | 第37-41页 |
| ·基于支持向量机算法 | 第37-39页 |
| ·基于决策树的支持向量机算法 | 第39-41页 |
| ·改进的基于决策树的支持向量机人脸识别算法 | 第41-44页 |
| ·几种算法分析比较 | 第44-45页 |
| ·实验结果分析 | 第45-46页 |
| ·小结 | 第46-47页 |
| 第5章 结论与展望 | 第47-49页 |
| ·结论 | 第47页 |
| ·展望 | 第47-49页 |
| 参考文献 | 第49-52页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第52-53页 |
| 致谢 | 第53页 |
