| 摘要 | 第1-9页 |
| ABSTRACT | 第9-12页 |
| 第一章 绪论 | 第12-21页 |
| ·人脸识别发展简介 | 第12-13页 |
| ·人脸识别研究的内容 | 第13-14页 |
| ·人脸识别的一些主要方法 | 第14-18页 |
| ·基于整体的研究方法 | 第15-17页 |
| ·基于特征的人脸识别方法 | 第17-18页 |
| ·人脸识别技术的应用 | 第18-19页 |
| ·本文的主要研究内容 | 第19-20页 |
| ·本文的结构安排 | 第20-21页 |
| 第二章 线形特征提取算法的核推广 | 第21-31页 |
| ·线性特征抽取方法概述 | 第21-23页 |
| ·基于核的非线性特征抽取方法的研究与发展简介 | 第23-28页 |
| ·核方法理论概述 | 第23-26页 |
| ·常用的几类核函数 | 第26-27页 |
| ·核方法在特征抽取中的研究概述 | 第27-28页 |
| ·基于空间变换的非线性鉴别特征抽取 | 第28-31页 |
| ·本章小结 | 第31页 |
| 第三章 一种改进的Fisher鉴别算法 | 第31-40页 |
| ·Fisher鉴别与核Fisher鉴别算法 | 第31-36页 |
| ·Fisher线性判决方法 | 第31-34页 |
| ·Fisher线性判决的缺陷 | 第34-35页 |
| ·核Fisher(KFDA)鉴别算法 | 第35-36页 |
| ·一种改进的Fisher鉴别算法模型 | 第36-38页 |
| ·特征提取的一般模型 | 第36-37页 |
| ·基于矩阵相似度的Fisher鉴别算法(MSFE) | 第37-38页 |
| ·实验结果与分析 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 两阶段特征抽取算法在人脸识别中的应用 | 第40-51页 |
| ·主成份分析(PCA)算法简介 | 第40-44页 |
| ·基于图像向量的主成份分析算法(C-PCA) | 第41-42页 |
| ·基于图像矩阵的主成份分析算法(I-PCA) | 第42-44页 |
| ·核主成份析(KPCA)算法理论介绍 | 第44-46页 |
| ·基于主动学习的核主成分分析算法(AKPCA)理论介绍 | 第46-47页 |
| ·两阶段特征提取人脸识别方法 | 第47-51页 |
| ·PCA+KPCA算法流程 | 第48页 |
| ·试验结果分析 | 第48-49页 |
| ·PCA+KFDA算法流程 | 第49-50页 |
| ·试验与分析 | 第50-51页 |
| ·本章小结 | 第51页 |
| 第五章 基于KFD中最大类可分性标准的核矩阵训练方法及其在人脸识别中的应用 | 第51-61页 |
| ·数学理论基础 | 第52-54页 |
| ·矩阵的迹和矩阵的谱分解表示 | 第52-54页 |
| ·广义Rayleigh商极值理论 | 第54页 |
| ·核方法特征提取的核矩阵表示 | 第54-56页 |
| ·分类问题的一般表示 | 第55页 |
| ·核矩阵的谱分解表示 | 第55-56页 |
| ·基于最大类可分性标准的核矩阵训练方法 | 第56-59页 |
| ·试验结果与分析 | 第59-61页 |
| ·本章小结 | 第61页 |
| 第六章 论文总结及工作展望 | 第61-63页 |
| ·论文总结 | 第61-62页 |
| ·工作展望 | 第62-63页 |
| 参考文献 | 第63-70页 |
| 附录:部分程序 | 第70-82页 |
| 攻读硕士学位期间发表的论文 | 第82-83页 |
| 致谢 | 第83页 |
