基于流形学习的人脸表情识别研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 表情识别研究的背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 流形学习算法的发展现状 | 第13-14页 |
| 1.4 课题的主要研究内容 | 第14-16页 |
| 第2章 流形学习算法及其在表情中的应用 | 第16-31页 |
| 2.1 传统子空间算法 | 第16-18页 |
| 2.1.1 主成分分析方法 | 第16-17页 |
| 2.1.2 线性判别分析法 | 第17-18页 |
| 2.2 流形及流形学习子空间算法 | 第18-28页 |
| 2.2.1 等距映射算法 | 第19-23页 |
| 2.2.2 局部线性嵌入算法 | 第23-26页 |
| 2.2.3 局部切空间排列算法 | 第26-28页 |
| 2.3 流形学习算法仿真对比实验 | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 改进的LLE算法 | 第31-43页 |
| 3.1 引言 | 第31页 |
| 3.2 LLE的算法与重构关系 | 第31-37页 |
| 3.3 ILLE算法 | 第37-38页 |
| 3.4 实验对比 | 第38-42页 |
| 3.4.1 保持流形拓扑结构 | 第39-40页 |
| 3.4.2 人脸识别实验 | 第40-41页 |
| 3.4.3 人脸表情识别实验 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 泛化改进的局部切空间排列算法 | 第43-52页 |
| 4.1 引言 | 第43页 |
| 4.2 GILTSA算法描述 | 第43-46页 |
| 4.2.1 近邻点的选择 | 第44页 |
| 4.2.2 训练样本集基于LTSA的低维嵌入 | 第44-46页 |
| 4.2.3 以最近邻近似投影新样本点 | 第46页 |
| 4.3 实验对比 | 第46-51页 |
| 4.3.1 保持流形拓扑结构实验 | 第47-49页 |
| 4.3.2 人脸识别实验 | 第49-50页 |
| 4.3.3 人脸表情识别实验 | 第50-51页 |
| 4.4 本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表的学术论文 | 第58-59页 |
| 致谢 | 第59页 |
