模糊支持向量机在人脸识别中的应用
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-15页 |
| ·研究背景及意义 | 第11-13页 |
| ·相关研究现状 | 第13-14页 |
| ·本文的研究内容和组织结构 | 第14-15页 |
| ·研究内容 | 第14页 |
| ·组织结构 | 第14-15页 |
| 第2章 支持向量机及基础 | 第15-22页 |
| ·统计学习理论 | 第15-18页 |
| ·学习过程的一致性条件 | 第15-16页 |
| ·函数集的学习性能与VC 维 | 第16-17页 |
| ·推广性的界 | 第17页 |
| ·结构风险最小化 | 第17-18页 |
| ·最优分类面 | 第18-20页 |
| ·线性最优分类面 | 第18-19页 |
| ·广义最优分类面 | 第19-20页 |
| ·支持向量机(SVM) | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第3章 模糊支持向量机算法 | 第22-29页 |
| ·模糊支持向量机 | 第22-25页 |
| ·模糊K 近邻算法和对隶属度求解 | 第25-28页 |
| ·K 近邻算法 | 第25-26页 |
| ·基于模糊K 近邻算法的隶属度求解 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第4章 人脸图像的预处理和特征的提取 | 第29-37页 |
| ·人脸图像的预处理 | 第29-30页 |
| ·人脸图像特征提取 | 第30-36页 |
| ·独立成分分析（ICA） | 第30-31页 |
| ·主成分分析（PCA） | 第31-33页 |
| ·二维主成分分析（2DPCA） | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 第5章 系统分析与设计 | 第37-54页 |
| ·前期准备 | 第37-39页 |
| ·软件架构平台的需求 | 第37-38页 |
| ·OpenCV 的安装及配置 | 第38-39页 |
| ·总体分析 | 第39-47页 |
| ·基于OpenCV 的图像人脸检测程序 | 第39-43页 |
| ·编程实现基于OpenCV 的视频人脸检测程序包 | 第43-47页 |
| ·功能实现 | 第47-53页 |
| ·本章小结 | 第53-54页 |
| 结束语 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60页 |
