| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第一章 绪论 | 第12-22页 |
| ·课题的背景和意义 | 第12-13页 |
| ·人脸表情识别技术国内外现状 | 第13-18页 |
| ·表情特征提取方法 | 第14-16页 |
| ·特征降维方法 | 第16-17页 |
| ·特征分解的方法 | 第17-18页 |
| ·表情分类 | 第18-20页 |
| ·隐马尔可夫模型法 | 第18页 |
| ·人工神经网络法 | 第18页 |
| ·支持向量机法 | 第18-19页 |
| ·Adaboost 法 | 第19页 |
| ·K 最近邻算法 | 第19页 |
| ·稀疏表示分类法 | 第19-20页 |
| ·小结 | 第20页 |
| ·本文主要研究内容 | 第20页 |
| ·本文章节安排 | 第20-22页 |
| 第二章 深度学习的基本原理 | 第22-34页 |
| ·引言 | 第22-23页 |
| ·深度信念网络的基本原理 | 第23-25页 |
| ·受限玻尔兹曼机 | 第23页 |
| ·深度信念网络 | 第23-25页 |
| ·卷积神经网络的基本原理 | 第25-29页 |
| ·卷积神经网络的网络结构 | 第25-26页 |
| ·关于参数减少与权值共享 | 第26-27页 |
| ·卷积网络的训练过程 | 第27-29页 |
| ·去噪自动编码器的基本原理 | 第29-32页 |
| ·去噪自动编码器的网络结构 | 第29-31页 |
| ·去噪自动编码器的特点理解 | 第31-32页 |
| ·深度学习的应用 | 第32-33页 |
| ·小结 | 第33-34页 |
| 第三章 基于深度信念网络的人脸表情识别 | 第34-49页 |
| ·引言 | 第34页 |
| ·多层感知器的基本原理 | 第34-37页 |
| ·MLP 神经网络模型 | 第34-35页 |
| ·全互联 MLP 神经网络模型 | 第35-37页 |
| ·深度信念网络与多层感知器的融合 | 第37-38页 |
| ·人脸表情特征提取——局部二元模式 | 第38-40页 |
| ·实验结果与分析 | 第40-48页 |
| ·实验设置 | 第40-41页 |
| ·基于 DBNs 的对原始像素人脸表情识别实验结果 | 第41-44页 |
| ·基于 DBNs 的对 LBP 算子的人脸表情识别实验结果 | 第44-46页 |
| ·性能比较 | 第46-48页 |
| ·结论 | 第48-49页 |
| 第四章 基于深度信念网络的鲁棒性人脸表情识别 | 第49-54页 |
| ·引言 | 第49页 |
| ·鲁棒性实验结果及分析 | 第49-53页 |
| ·基于深度信念网络的鲁棒性实验结果 | 第49-50页 |
| ·性能比较 | 第50-53页 |
| ·小结 | 第53-54页 |
| 第五章 系统设计与实现 | 第54-62页 |
| ·引言 | 第54页 |
| ·GUI 的设计原则及界面层次结构 | 第54-57页 |
| ·GUI 的设计原则 | 第54-55页 |
| ·GUI 的界面层次结构 | 第55-57页 |
| ·GUDIE 组件及属性 | 第57-59页 |
| ·常用组件 | 第57-58页 |
| ·组件属性 | 第58-59页 |
| ·系统软件实现 | 第59-61页 |
| ·系统小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-65页 |
| ·工作总结 | 第62页 |
| ·不足与展望 | 第62-65页 |
| ·人脸表情数据库建设 | 第63页 |
| ·微表情特征提取 | 第63页 |
| ·基于多特征融合的人脸表情识别 | 第63-64页 |
| ·表情识别的鲁棒性 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 致谢 | 第70-71页 |
| 攻读学位期间的研究成果 | 第71页 |