模糊支持向量分类机及其在人脸识别中的应用
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 1 绪论 | 第11-14页 |
| ·选题的研究背景和意义 | 第11-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·本文的主要研究内容 | 第13-14页 |
| 2 支持向量机基础理论 | 第14-23页 |
| ·支持向量机算法的提出 | 第14-17页 |
| ·统计学习理论 | 第14页 |
| ·VC 维 | 第14-15页 |
| ·结构风险最小化 | 第15-17页 |
| ·支持向量分类机 | 第17-20页 |
| ·最大间隔分类超平面 | 第17页 |
| ·线性可分支持向量机 | 第17-19页 |
| ·非线性可分支持向量机 | 第19-20页 |
| ·支持向量回归机 | 第20-22页 |
| ·常用的核函数 | 第22页 |
| ·本章小结 | 第22-23页 |
| 3 改进的模糊支持向量机 | 第23-29页 |
| ·模糊支持向量机的提出和发展现状 | 第23-24页 |
| ·模糊理论的发展 | 第23页 |
| ·模糊关系 | 第23-24页 |
| ·模糊回归分析 | 第24页 |
| ·模糊支持向量机的提出 | 第24-26页 |
| ·模糊隶属度函数的构造 | 第26-28页 |
| ·样本点密度的定义 | 第26-27页 |
| ·双隶属度函数 | 第27页 |
| ·基于密度的双隶属度模糊支持向量机 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 4 改进的 K-均值聚类算法 | 第29-37页 |
| ·聚类基本理论 | 第29-31页 |
| ·基本概念 | 第29-30页 |
| ·近邻测度 | 第30-31页 |
| ·聚类算法 | 第31-35页 |
| ·顺序聚类算法 | 第31-32页 |
| ·层次聚类算法 | 第32-33页 |
| ·基于代价函数最优的聚类算法 | 第33-35页 |
| ·K-均值聚类算法 | 第35-36页 |
| ·K-均值聚类算法基本思想及算法流程 | 第35页 |
| ·改进的 K-均值聚类算法 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 5 人脸识别技术 | 第37-47页 |
| ·人脸识别技术发展现状和应用背景 | 第37-40页 |
| ·人脸识别的研究内容 | 第37-38页 |
| ·影响人脸识别精度的因素 | 第38-39页 |
| ·常用人脸识别方法 | 第39-40页 |
| ·人脸特征提取 | 第40-44页 |
| ·主分量分析 | 第40-41页 |
| ·独立分量分析 | 第41-43页 |
| ·基于局部人脸图像的双向 PCA 人脸识别算法 | 第43-44页 |
| ·人脸图像数据库 | 第44-46页 |
| ·ORL 人脸数据库 | 第44-45页 |
| ·AR 人脸数据库 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 6 仿真实验与分析 | 第47-50页 |
| ·基于截集模糊K均值聚类的双隶属度 FSVM | 第47-48页 |
| ·人脸数据库识别 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 7 总结与展望 | 第50-52页 |
| ·总结 | 第50-51页 |
| ·展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 附录 A：作者攻读硕士学位期间发表论文及科研情况 | 第56-57页 |
| 附录 B：作者攻读硕士学位期间参与项目 | 第57-58页 |
| 致谢 | 第58页 |
