基于独立分量分析的步态识别方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·步态识别概述 | 第9-12页 |
| ·本文的研究背景 | 第12-13页 |
| ·论文的主要工作及内容安排 | 第13-15页 |
| 第二章 独立分量分析的基本原理和典型算法 | 第15-33页 |
| ·主分量分析 | 第15-18页 |
| ·PCA 的基本概念 | 第15-17页 |
| ·PCA 的特征值分解算法 | 第17页 |
| ·PCA 方法的缺点 | 第17-18页 |
| ·独立分量分析的原理 | 第18-21页 |
| ·ICA 的数学模型和限定条件 | 第18-19页 |
| ·ICA 的预处理 | 第19-21页 |
| ·独立性判定依据 | 第21-22页 |
| ·ICA 的目标函数 | 第22-26页 |
| ·基于峭度的目标函数 | 第22-23页 |
| ·基于负熵及近似负熵的目标函数 | 第23-25页 |
| ·基于最小互信息的目标函数 | 第25-26页 |
| ·ICA 的两种典型优化算法 | 第26-31页 |
| ·InfoMax 算法 | 第26-29页 |
| ·FastICA 算法 | 第29-31页 |
| ·本章小结 | 第31-33页 |
| 第三章 基于 ICA 结构 I 的步态识别方法 | 第33-45页 |
| ·基于PCA 的步态识别方法 | 第33-34页 |
| ·ICA 结构I | 第34-36页 |
| ·基于ICA 结构I 的步态识别方法 | 第36-41页 |
| ·轮廓提取和预处理 | 第36-37页 |
| ·训练 | 第37-40页 |
| ·测试 | 第40-41页 |
| ·识别 | 第41页 |
| ·评估实验及结果分析 | 第41-43页 |
| ·实验数据 | 第41-42页 |
| ·实验结果与分析 | 第42-43页 |
| ·本章小结 | 第43-45页 |
| 第四章 基于 ICA 结构 II 的步态识别方法 | 第45-55页 |
| ·ICA 结构II | 第45-46页 |
| ·基于ICA 结构II 的步态识别方法 | 第46-49页 |
| ·轮廓提取和预处理 | 第47页 |
| ·训练 | 第47-48页 |
| ·测试 | 第48-49页 |
| ·识别 | 第49页 |
| ·评估实验及结果分析 | 第49-52页 |
| ·实验数据 | 第49-50页 |
| ·实验结果与分析 | 第50-52页 |
| ·三种步态识别方法性能比较 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 致谢 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 研究成果 | 第63页 |
