| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-21页 |
| ·课题背景 | 第9-10页 |
| ·本课题研究的目的及意义 | 第10-11页 |
| ·人脸识别方法发展现状 | 第11-16页 |
| ·几何特征方法 | 第11-12页 |
| ·神经网络方法 | 第12-14页 |
| ·统计方法 | 第14-16页 |
| ·人脸数据库 | 第16-18页 |
| ·ORL人脸数据库 | 第16页 |
| ·Yale人脸数据库 | 第16-17页 |
| ·AR人脸数据库 | 第17-18页 |
| ·分类器和距离度量 | 第18-20页 |
| ·分类器 | 第18-19页 |
| ·距离度量 | 第19-20页 |
| ·本文主要研究内容 | 第20-21页 |
| 第2章 线性鉴别分析及本地保留映射概述 | 第21-28页 |
| ·引言 | 第21页 |
| ·线性鉴别分析及本地保留映射概述 | 第21-24页 |
| ·Fisher鉴别分析发展概述 | 第21-23页 |
| ·本地保留影射(Locality Preserving Projects) | 第23-24页 |
| ·拉普拉斯脸 | 第24-27页 |
| ·基本概念 | 第24-26页 |
| ·算法实现步骤 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 广义的拉普拉斯鉴别分析 | 第28-35页 |
| ·引言 | 第28页 |
| ·广义的拉普拉斯鉴别分析在人脸识别中的应用 | 第28-32页 |
| ·拉普拉斯判别准则函数推导 | 第28-30页 |
| ·拉普拉斯鉴别分析的谱分解 | 第30-31页 |
| ·最优转换矩阵A的求解 | 第31-32页 |
| ·分类器的选择 | 第32页 |
| ·实验结果与分析 | 第32-34页 |
| ·在ORL人脸库上的对比实验结果 | 第32-33页 |
| ·在Yale人脸库上的对比实验结果 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 加权调整的线性鉴别分析 | 第35-42页 |
| ·引言 | 第35页 |
| ·加权调整的线性鉴别分析 | 第35-39页 |
| ·加权类间散布矩阵 | 第35-37页 |
| ·解决小样本问题 | 第37-38页 |
| ·算法实现步骤及流程 | 第38-39页 |
| ·实验结果分析 | 第39-41页 |
| ·在ORL人脸库上的对比实验 | 第39-40页 |
| ·在AR人脸库上的对比实验 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 结论 | 第42-43页 |
| 参考文献 | 第43-48页 |
| 致谢 | 第48页 |