| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 课题研究背景与意义 | 第9-10页 |
| 1.2 人脸识别发展及国内外研究现状 | 第10-12页 |
| 1.3 本文主要工作及组织结构 | 第12-13页 |
| 第2章 人脸识别方法概述 | 第13-21页 |
| 2.1 引言 | 第13-14页 |
| 2.2 支持向量机 | 第14-18页 |
| 2.2.1 线性支持向量机 | 第15-16页 |
| 2.2.2 非线性支持向量机 | 第16-17页 |
| 2.2.3 支持向量机人脸识别应用 | 第17-18页 |
| 2.3 人工神经网络 | 第18-20页 |
| 2.3.1 人工神经网络模型 | 第18-19页 |
| 2.3.2 人工神经网络的学习 | 第19页 |
| 2.3.3 人工神经网络模型分类 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 基于卷积神经网络的人脸识别 | 第21-38页 |
| 3.1 引言 | 第21-22页 |
| 3.2 Fisher判别准则 | 第22-23页 |
| 3.3 卷积神经网络基础理论 | 第23-29页 |
| 3.3.1 卷积神经网络模型结构 | 第24-25页 |
| 3.3.2 卷积神经网络算法 | 第25-28页 |
| 3.3.3 卷积神经网络的训练过程 | 第28-29页 |
| 3.4 加入Fisher判别准则的卷积神经网络算法 | 第29-30页 |
| 3.5 基于改进卷积神经网络的人脸识别系统 | 第30-33页 |
| 3.6 实验结果及分析 | 第33-37页 |
| 3.6.1 实验数据库介绍 | 第33-34页 |
| 3.6.2 ORL人脸库的实验结果及分析 | 第34-35页 |
| 3.6.3 Yale人脸库的实验结果及分析 | 第35-36页 |
| 3.6.4 AR人脸库的实验结果及分析 | 第36-37页 |
| 3.7 本章小结 | 第37-38页 |
| 第4章 基于PSO混合核的支持向量机和卷积神经网络的人脸识别 | 第38-51页 |
| 4.1 引言 | 第38-39页 |
| 4.2 SVM多分类算法 | 第39页 |
| 4.3 基于混合核的支持向量机 | 第39-45页 |
| 4.3.1 局部核函数和全局核函数 | 第40页 |
| 4.3.2 混合核函数设计 | 第40-42页 |
| 4.3.3 结合改进的卷积神经网络和混合核函数支持向量机的算法 | 第42-43页 |
| 4.3.4 实验结果与分析 | 第43-45页 |
| 4.4 基于粒子群优化混合核支持向量机算法 | 第45-50页 |
| 4.4.1 粒子群算法 | 第45-47页 |
| 4.4.2 基于粒子群优化的SVM参数训练 | 第47-48页 |
| 4.4.3 结合改进的卷积神经网络与支持向量机的人脸识别 | 第48页 |
| 4.4.4 实验结果及分析 | 第48-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 总结与展望 | 第51-53页 |
| 5.1 工作总结 | 第51页 |
| 5.2 研究展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 附录1 攻读硕士学位期间发表的论文 | 第59-60页 |
| 详细摘要 | 第60-64页 |
