| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪 论 | 第8-12页 |
| ·课题来源和意义 | 第8-9页 |
| ·人脸识别的研究背景和现状 | 第9-10页 |
| ·本论文的编排和结构 | 第10-12页 |
| 2 统计学习理论 | 第12-24页 |
| ·经验风险最小化原则下统计学习一致性的条件 | 第13-19页 |
| ·关于统计学习方法推广性的界的结论 | 第19-21页 |
| ·小样本归纳推理准则和实现这些新的准则的实际方法 | 第21-24页 |
| 3 支持向量机 | 第24-33页 |
| ·结构风险最小化 | 第24-26页 |
| ·最优分类面 | 第26-30页 |
| ·从支持向量机到核机制 | 第30-33页 |
| 4 基于主分量分析和支持向量机的人脸识别技术 | 第33-40页 |
| ·主分量分析 | 第33-35页 |
| ·基于主分量分析和支持向量机的人脸识别 | 第35-37页 |
| ·试验结果分析 | 第37-40页 |
| 5 基于小波分析和支持向量机的人脸识别 | 第40-51页 |
| ·小波和小波变换 | 第40-43页 |
| ·多分辨率分析与Mallat 算法 | 第43-47页 |
| ·基于小波和支持向量机的人脸识别 | 第47-51页 |
| 6 总 结 | 第51-53页 |
| 致 谢 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 附录1 攻读硕士学位期间发表论文 | 第57页 |