| 摘要 | 第1-7页 |
| ABSTRACT(英文摘要) | 第7-11页 |
| 主要符号对照表 | 第11-12页 |
| 第一章 绪论 | 第12-17页 |
| ·生物特征模式识别研究 | 第12页 |
| ·计算机视觉和人脸识别及性别分类技术的发展 | 第12-15页 |
| ·论文安排 | 第15-17页 |
| 第二章 人脸图像预处理和特征提取方法 | 第17-42页 |
| ·引言 | 第17页 |
| ·图像预处理 | 第17-22页 |
| ·图像灰度化 | 第17-18页 |
| ·几何和能量归一化 | 第18-19页 |
| ·直方图均衡 | 第19-21页 |
| ·人脸关键区域MASK | 第21-22页 |
| ·特征提取 | 第22-39页 |
| ·局部二值模式(Local Binary Pattern) | 第22-25页 |
| ·Gabor小波变换 | 第25-29页 |
| ·SIFT特征人脸描述 | 第29-39页 |
| ·SIFT特征尺度及方向不变性 | 第29-31页 |
| ·SIFT特征关键点检测和特征表示 | 第31-36页 |
| ·基于SIFT特征的性别分类人脸表示 | 第36-39页 |
| ·本章小结 | 第39-42页 |
| 第三章 最小最大模块化模式识别分类器 | 第42-64页 |
| ·最小最大模块化分类器算法 | 第42-45页 |
| ·任务分解 | 第42-43页 |
| ·分类结果合成 | 第43-44页 |
| ·最小最大模块化分类器的特点 | 第44-45页 |
| ·最小最大模块化支持向量机 | 第45-62页 |
| ·支持向量机 | 第45-51页 |
| ·最优超平面 | 第45页 |
| ·线性支持向量机 | 第45-49页 |
| ·非线性支持向量机 | 第49-51页 |
| ·多类支持向量机 | 第51-56页 |
| ·一对其它(one against the rest) | 第52-53页 |
| ·一对一(one against one) | 第53-54页 |
| ·Min方法 | 第54-56页 |
| ·模块化支持向量机 | 第56-59页 |
| ·算法描述 | 第56-57页 |
| ·时间复杂性分析 | 第57-59页 |
| ·SVM和M~3-SVM对比实验 | 第59-62页 |
| ·UCI字符识别实验 | 第60页 |
| ·Banana数据实验 | 第60-62页 |
| ·实验结果讨论 | 第62页 |
| ·本章小结 | 第62-64页 |
| 第四章 模块化分类器的训练集划分策略 | 第64-76页 |
| ·引言 | 第64页 |
| ·现有常用的划分算法描述 | 第64-70页 |
| ·随机划分策略 | 第64页 |
| ·基于超平面的划分策略 | 第64-66页 |
| ·基于等分聚类的划分策略 | 第66-69页 |
| ·基于先验知识的划分策略 | 第69-70页 |
| ·一种新的基于谱聚类的划分策略 | 第70-73页 |
| ·谱聚类分析 | 第70-72页 |
| ·Toy-data数据划分策略对比实验 | 第72-73页 |
| ·本章小结 | 第73-76页 |
| 第五章 人脸性别分类实验分析 | 第76-84页 |
| ·数据集与实验说明 | 第76-77页 |
| ·特征提取方法实验结果 | 第77-79页 |
| ·SVM与M~3-SVM对比实验结果 | 第79-81页 |
| ·SIFT方法与不同分解策略下的M~3-SVM实验结果 | 第81-82页 |
| ·本章小结 | 第82-84页 |
| 总结与展望 | 第84-86页 |
| 参考文献 | 第86-92页 |
| 致谢 | 第92-93页 |
| 个人简历、在学期间的研究成果及发表的论文 | 第93-96页 |
