基于半监督学习的人脸识别算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究人脸识别的背景与意义 | 第10-11页 |
| 1.2 人脸识别国内外研究现状 | 第11-13页 |
| 1.3 人脸识别中存在的难题 | 第13-14页 |
| 1.4 本文的主要研究内容 | 第14-16页 |
| 第二章 半监督学习 | 第16-19页 |
| 2.1 半监督学习概念 | 第16-17页 |
| 2.1.1 有监督与无监督学习 | 第16页 |
| 2.1.2 半监督学习 | 第16-17页 |
| 2.2 半监督学习方法 | 第17-19页 |
| 2.2.1 自训练方法 | 第17页 |
| 2.2.2 EM算法 | 第17-18页 |
| 2.2.3 转导式支持向量机 | 第18页 |
| 2.2.4 基于图的半监督算法 | 第18-19页 |
| 第三章 基于PCA半监督人脸识别 | 第19-36页 |
| 3.1 基于子空间的线性特征提取方法 | 第19-27页 |
| 3.1.1 主成分分析方法（PCA） | 第19-24页 |
| 3.1.2 线性判别分析方法（LDA） | 第24-27页 |
| 3.2 半监督子空间线性特征提取方法 | 第27-30页 |
| 3.2.1 半监督主成分分析方法（SPCA） | 第27-28页 |
| 3.2.2 半监督线性判别分析方法（SLDA） | 第28-30页 |
| 3.3 半监督子空间非线性特征提取方法 | 第30-33页 |
| 3.3.1 核方法的基本原理 | 第30-31页 |
| 3.3.2 半监督核主成分分析方法（SKPCA） | 第31-33页 |
| 3.4 实验结果及分析 | 第33-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 基于LPP的半监督人脸识别 | 第36-44页 |
| 4.1 LPP算法原理 | 第36-38页 |
| 4.2 改进的LPP算法 | 第38-40页 |
| 4.3 改进的半监督LPP算法 | 第40-42页 |
| 4.4 实验结果与分析 | 第42-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第五章 基于离散余弦的半监督判别分析人脸识别 | 第44-52页 |
| 5.1 半监督判别分析算法（SDA） | 第44-47页 |
| 5.2 DCT变换 | 第47-48页 |
| 5.3 半监督判别力度分析算法（SSDPA） | 第48-50页 |
| 5.4 实验结果与分析 | 第50-51页 |
| 5.5 本章小结 | 第51-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 6.1 全文总结 | 第52页 |
| 6.2 工作展望 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-58页 |
