基于重取样技术的人脸识别方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-12页 |
| 1.1 研究背景和意义 | 第9页 |
| 1.2 国内外研究现状及分析 | 第9-10页 |
| 1.3 主要研究内容 | 第10-11页 |
| 1.4 论文组织 | 第11-12页 |
| 第2章 相关知识 | 第12-20页 |
| 2.1 人脸识别的相关研究内容 | 第12-13页 |
| 2.1.1 人脸识别框架 | 第12页 |
| 2.1.2 人脸识别的研究方法 | 第12-13页 |
| 2.2 集成学习的个体生成方法 | 第13-15页 |
| 2.3 集成学习中的融合方法 | 第15-19页 |
| 2.3.1 贝叶斯融合规则 | 第15-16页 |
| 2.3.2 行为知识空间融合规则 | 第16页 |
| 2.3.3 模糊融合规则 | 第16-17页 |
| 2.3.4 证据融合规则 | 第17-19页 |
| 2.4 随机取样 | 第19页 |
| 2.5 人脸识别数据库 | 第19页 |
| 2.6 本章小结 | 第19-20页 |
| 第3章 半监督学习方法及其人脸识别 | 第20-29页 |
| 3.1 引言 | 第20页 |
| 3.2 一致性学习算法 | 第20-21页 |
| 3.3 一致性学习算法及其变种的收敛性 | 第21页 |
| 3.4 GCM 算法与核选择 | 第21-23页 |
| 3.4.1 GCM 算法 | 第21-22页 |
| 3.4.2 核选择方法 | 第22-23页 |
| 3.5 实验结果及分析 | 第23-29页 |
| 第4章 分类器集成及其人脸识别 | 第29-44页 |
| 4.1 引言 | 第29页 |
| 4.2 线性判别分析（LDA）方法 | 第29-31页 |
| 4.3 随机判别分析（RDA）方法 | 第31-33页 |
| 4.3.1 Fisherface 方法 | 第31页 |
| 4.3.2 直接LDA（DLDA）方法 | 第31-32页 |
| 4.3.3 双主子空间方法 | 第32-33页 |
| 4.4 融合方法 | 第33-35页 |
| 4.4.1 积规则 | 第33-34页 |
| 4.4.2 和规则 | 第34页 |
| 4.4.3 最大值与最小值规则 | 第34-35页 |
| 4.4.4 中值规则与投票规则 | 第35页 |
| 4.5 分类器集成算法 | 第35-36页 |
| 4.6 实验研究 | 第36-42页 |
| 4.7 本章小结 | 第42-44页 |
| 第5章 总结与展望 | 第44-46页 |
| 5.1 本文总结 | 第44页 |
| 5.2 工作展望 | 第44-46页 |
| 参考文献 | 第46-48页 |
| 致谢 | 第48-49页 |
| 攻读硕士学位期间论文发表情况 | 第49页 |
