基于图的半监督人脸识别方法的研究
| 提要 | 第4-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 人脸识别的一般步骤 | 第12-13页 |
| 1.3 人脸识别算法研究现状 | 第13-15页 |
| 1.4 本文主要工作 | 第15-16页 |
| 第2章 人脸识别学习算法概述 | 第16-25页 |
| 2.1 非监督学习算法 | 第16-18页 |
| 2.1.1 主成成分分析 | 第16-17页 |
| 2.1.2 近邻保值嵌入 | 第17-18页 |
| 2.2 监督学习算法 | 第18-20页 |
| 2.2.1 线性判别分析 | 第19-20页 |
| 2.3 半监督学习算法 | 第20-24页 |
| 2.3.1 基于图的半监督学习方法 | 第21-22页 |
| 2.3.2 半监督 SVM 方法 | 第22-23页 |
| 2.3.3 协同训练方法 | 第23页 |
| 2.3.4 基于生成模型的方法 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 基于图的半监督学习算法 | 第25-39页 |
| 3.1 图的构建 | 第25-28页 |
| 3.1.1 近邻图 | 第25-26页 |
| 3.1.2 全连接图 | 第26页 |
| 3.1.3 1 -图 | 第26-27页 |
| 3.1.4 局部自适应图 | 第27-28页 |
| 3.2 约束条件 | 第28-29页 |
| 3.2.1 半监督平滑性假设 | 第28页 |
| 3.2.2 流行假设 | 第28-29页 |
| 3.3 图嵌入框架 | 第29-33页 |
| 3.4 流形正则化 | 第33-34页 |
| 3.5 谱回归降维算法 | 第34-38页 |
| 3.6 本章小节 | 第38-39页 |
| 第4章 半监督张量表示判别分析 | 第39-49页 |
| 4.1 问题的提出 | 第39页 |
| 4.2 相关研究基础 | 第39页 |
| 4.3 张量表示判别分析(DATER) | 第39-41页 |
| 4.4 张量近邻保值嵌入(TNPE) | 第41-42页 |
| 4.5 半监督张量表示判别分析 | 第42-44页 |
| 4.5.1 目标函数 | 第42-43页 |
| 4.5.2 SDATER 算法实施过程 | 第43-44页 |
| 4.6 分类器的选择 | 第44页 |
| 4.7 实验 | 第44-48页 |
| 4.7.1 实验数据介绍 | 第45页 |
| 4.7.2 参数选择和实验结果 | 第45-48页 |
| 4.8 本章小节 | 第48-49页 |
| 第5章 结论总结与展望 | 第49-51页 |
| 5.1 本文总结 | 第49页 |
| 5.2 工作展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 作者简介及在学期间所取得的科研成果 | 第54-55页 |
| 致谢 | 第55页 |
