多核支持向量机及其在人脸识别中的应用
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 1 绪论 | 第7-11页 |
| 1.1 研究的背景与意义 | 第7页 |
| 1.2 多核支持向量机的研究现状 | 第7-9页 |
| 1.2.1 合成核的构造 | 第7-8页 |
| 1.2.2 合成核的学习方法 | 第8-9页 |
| 1.3 人脸识别的基本理论 | 第9-10页 |
| 1.3.1 人脸识别的研究现状 | 第9页 |
| 1.3.2 人脸识别的流程 | 第9-10页 |
| 1.4 论文的主要工作及内容安排 | 第10-11页 |
| 1.4.1 论文的主要工作 | 第10页 |
| 1.4.2 论文的内容安排 | 第10-11页 |
| 2 支持向量机 | 第11-18页 |
| 2.1 支持向量机的统计学基础 | 第11-12页 |
| 2.1.1 分类问题的统计学提法 | 第11页 |
| 2.1.2 经验风险最小化原则 | 第11-12页 |
| 2.1.3 结构风险最小化原则 | 第12页 |
| 2.2 从线性可分到非线性可分 | 第12-16页 |
| 2.2.1 线性可分问题的支持向量机 | 第12-14页 |
| 2.2.2 近似线性可分问题的支持向量机 | 第14-15页 |
| 2.2.3 利用核函数实现的非线性可分 | 第15-16页 |
| 2.3 核函数的特征与性质 | 第16-17页 |
| 2.4 支持向量机的算法流程 | 第17-18页 |
| 3 多核支持向量机 | 第18-28页 |
| 3.1 简单多核支持向量机 | 第18-21页 |
| 3.1.1 梯度计算 | 第20-21页 |
| 3.1.2 SimpleMKL 算法流程 | 第21页 |
| 3.2 局部多核支持向量机 | 第21-22页 |
| 3.3 改进的局部多核支持向量机 | 第22-24页 |
| 3.3.1 ILMKL 算法描述 | 第24页 |
| 3.3.2 ILMKL 算法复杂度分析 | 第24页 |
| 3.4 模拟数据上的实验 | 第24-26页 |
| 3.5 推广到多类分类问题 | 第26-28页 |
| 4 人脸图像的特征提取 | 第28-34页 |
| 4.1 基于 PCA 的人脸特征提取 | 第28-31页 |
| 4.1.1 PCA 方法的原理 | 第28-29页 |
| 4.1.2 ORL 人脸库 | 第29页 |
| 4.1.3 主成分脸及其分析 | 第29-30页 |
| 4.1.4 人脸图像的重建 | 第30-31页 |
| 4.2 基于小波分析的人脸特征提取 | 第31-34页 |
| 4.2.1 二维离散小波变换 | 第31-32页 |
| 4.2.2 基于二维离散小波变换的特征提取 | 第32-34页 |
| 5 实验结果与分析 | 第34-39页 |
| 5.1 基于 UCI 数据库的实验 | 第34-35页 |
| 5.2 基于 ORL 人脸库的实验 | 第35-39页 |
| 5.2.1 基于 PCA 的人脸特征提取实验 | 第36页 |
| 5.2.2 基于小波变换的人脸特征提取实验 | 第36-39页 |
| 6 总结与展望 | 第39-40页 |
| 致谢 | 第40-41页 |
| 参考文献 | 第41-44页 |
| 附录 | 第44页 |
