基于分类器融合的人脸识别研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第1章 绪论 | 第12-22页 |
| ·课题研究背景和意义 | 第12-13页 |
| ·研究背景 | 第12-13页 |
| ·研究意义 | 第13页 |
| ·人脸识别的国内外研究现状介绍 | 第13-15页 |
| ·人脸识别的研究内容和主要方法 | 第15-20页 |
| ·研究内容 | 第15-17页 |
| ·人脸识别的主要方法 | 第17-20页 |
| ·人脸图像数据库 | 第20-21页 |
| ·本文的主要的研究工作和安排 | 第21-22页 |
| 第2章 分类器的设计和组合简述 | 第22-33页 |
| ·分类器设计问题简述 | 第22-26页 |
| ·基于聚类和参考点的分类器 | 第22-23页 |
| ·基于神经网络的分类器 | 第23-24页 |
| ·基于概率统计模型的分类器 | 第24页 |
| ·基于优化的分类器 | 第24-25页 |
| ·基于模糊方法的分类器 | 第25-26页 |
| ·分类器性能的评价与比较 | 第26-27页 |
| ·分类器组合概述 | 第27页 |
| ·分类器的组合结构 | 第27-29页 |
| ·并联分类器 | 第27-28页 |
| ·串联分类器 | 第28-29页 |
| ·分类器组合方法 | 第29-32页 |
| ·单一分类器的生成方法 | 第29-30页 |
| ·多个分类器组合方法 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 基于特征提取与融合的研究 | 第33-42页 |
| ·人脸特征提取方法 | 第33-37页 |
| ·PCA 提取特征方法 | 第33页 |
| ·LDA 提取特征方法 | 第33-34页 |
| ·DDCT 提取特征方法 | 第34-36页 |
| ·Fisherface 方法 | 第36页 |
| ·DDCT 与 LDA 结合提取特征方法 | 第36-37页 |
| ·融合规则 | 第37页 |
| ·实验设计与结果分析 | 第37-40页 |
| ·本章小结 | 第40-42页 |
| 第4章 基于多分类器组合的人脸识别研究 | 第42-56页 |
| ·基于最小距离分类器 | 第42-44页 |
| ·支持向量机的分类器 | 第44-52页 |
| ·SVM 基本原理 | 第45-47页 |
| ·SVM 的研究情况 | 第47-48页 |
| ·SVM 在人脸识别中的应用 | 第48-52页 |
| ·基于多分类器组合的人脸识别 | 第52-53页 |
| ·实验结果和分析 | 第53-54页 |
| ·本章小结 | 第54-56页 |
| 第5章 总结与展望 | 第56-58页 |
| ·总结 | 第56页 |
| ·展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间发表的论文 | 第62-64页 |
| 致谢 | 第64-65页 |
| 大摘要 | 第65-69页 |
