| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 特征提取方法 | 第11-12页 |
| 1.2.2 表情分类方法 | 第12-13页 |
| 1.2.3 深度学习 | 第13-14页 |
| 1.3 本文主要内容与结构安排 | 第14-17页 |
| 1.3.1 本文主要工作 | 第14页 |
| 1.3.2 本文创新内容 | 第14-15页 |
| 1.3.3 本文组织结构 | 第15-17页 |
| 第2章 深度学习理论基础 | 第17-31页 |
| 2.1 反向传播算法 | 第17-20页 |
| 2.2 深度信念网络 | 第20-25页 |
| 2.2.1 受限玻尔兹曼机 | 第20-24页 |
| 2.2.2 深度信念网络学习过程 | 第24-25页 |
| 2.3 卷积神经网络 | 第25-29页 |
| 2.3.1 卷积神经网络结构 | 第25-27页 |
| 2.3.2 卷积神经网络学习过程 | 第27-29页 |
| 2.4 小结 | 第29-31页 |
| 第3章 基于烟花算法和深度信念网络的人脸表情识别 | 第31-47页 |
| 3.1 烟花算法基本原理 | 第31-33页 |
| 3.2 烟花算法深度信念网络模型 | 第33-37页 |
| 3.2.1 FWA和CG融合算法优化深度信念网络初始参数 | 第34-36页 |
| 3.2.2 烟花算法深度信念网络 | 第36-37页 |
| 3.3 实验结果与分析 | 第37-45页 |
| 3.3.1 人脸表情数据库 | 第37-38页 |
| 3.3.2 基于FWADBN的人脸表情识别 | 第38-40页 |
| 3.3.3 算法性能对比 | 第40-45页 |
| 3.4 小结 | 第45-47页 |
| 第4章 基于线性判别深度信念网络的人脸表情识别 | 第47-57页 |
| 4.1 线性判别分析法基本原理及其改进算法 | 第47-49页 |
| 4.2 线性判别深度信念网络 | 第49-51页 |
| 4.3 实验结果与分析 | 第51-56页 |
| 4.3.1 基于LDDBN的人脸表情识别 | 第51-52页 |
| 4.3.2 算法性能对比 | 第52-56页 |
| 4.4 小结 | 第56-57页 |
| 第5章 总结与展望 | 第57-59页 |
| 5.1 工作总结 | 第57-58页 |
| 5.2 不足与展望 | 第58-59页 |
| 参考文献 | 第59-65页 |
| 致谢 | 第65-67页 |
| 攻读学位期间科研成果 | 第67页 |