基于流形学习的人脸表情识别算法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 主要縮略词 | 第10-14页 |
| 1 绪论 | 第14-38页 |
| 1.1 研究背景和研究意义 | 第14-16页 |
| 1.2 国内外研究现状 | 第16-30页 |
| 1.2.1 概述 | 第16-18页 |
| 1.2.2 表情特征的研究现状 | 第18-30页 |
| 1.2.3 研究成果应用情况 | 第30页 |
| 1.3 存在的问题 | 第30-31页 |
| 1.4 常用的人脸表情数据库 | 第31-33页 |
| 1.5 论文主要工作与章节安排 | 第33-38页 |
| 1.5.1 论文主要工作 | 第33-35页 |
| 1.5.2 论文章节安排 | 第35-38页 |
| 2 流形学习方法的基本理论 | 第38-50页 |
| 2.1 流形与流形学习 | 第38-39页 |
| 2.1.1 流形的概念 | 第38页 |
| 2.1.2 流形学习的基本思想 | 第38-39页 |
| 2.2 流形学习算法 | 第39-45页 |
| 2.2.1 等距映射(Isomap) | 第40-41页 |
| 2.2.2 局部线性嵌入(LLE) | 第41-43页 |
| 2.2.3 拉普拉斯特征映射(LE) | 第43-44页 |
| 2.2.4 局部切空间排列(LTSA) | 第44-45页 |
| 2.3 基于谱图理论的流形学习框架 | 第45-49页 |
| 2.4 本章小结 | 第49-50页 |
| 3 模糊局部最近特征线算法 | 第50-66页 |
| 3.1 最近特征线度量 | 第50-52页 |
| 3.2 基于模糊最近特征线的流形学习方法 | 第52-64页 |
| 3.2.1 模糊局部最近特征线(FLNFL) | 第53-56页 |
| 3.2.2 实验结果与分析 | 第56-64页 |
| 3.3 本章小结 | 第64-66页 |
| 4 图保持最短特征线段算法 | 第66-82页 |
| 4.1 最短特征线段分类器 | 第66-69页 |
| 4.2 图保持最短特征线段(GSFLS) | 第69-80页 |
| 4.2.1 半监督学习的发展现状 | 第69-74页 |
| 4.2.2 实验结果与分析 | 第74-80页 |
| 4.3 本章小结 | 第80-82页 |
| 5 基于概率的半监督判别分析算法 | 第82-114页 |
| 5.1 基于图的半监督学习 | 第82-86页 |
| 5.1.1 半监督线性判别分析算法(SSLDA) | 第83-84页 |
| 5.1.2 半监督降维算法（SSDR) | 第84-86页 |
| 5.2 概率半监督判别分析(PSDA) | 第86-97页 |
| 5.2.1 算法描述 | 第87-90页 |
| 5.2.2 实验结果与分析 | 第90-97页 |
| 5.3 图嵌入概率半监督判别分析(GPSDA) | 第97-111页 |
| 5.3.1 算法描述 | 第97-101页 |
| 5.3.2 实验结果与分析 | 第101-111页 |
| 5.4 本章小结 | 第111-114页 |
| 6 基于流形学习的人脸表情识别系统 | 第114-124页 |
| 6.1 系统概述 | 第114-115页 |
| 6.2 系统功能模块 | 第115-123页 |
| 6.2.1 预处理模块 | 第115-117页 |
| 6.2.2 训练模块 | 第117-118页 |
| 6.2.3 测试模块 | 第118-123页 |
| 6.3 本章小结 | 第123-124页 |
| 7 总结与展望 | 第124-128页 |
| 7.1 论文工作总结 | 第124-125页 |
| 7.2 后续工作展望 | 第125-128页 |
| 参考文献 | 第128-138页 |
| 作者简历及攻读博士学位期间取得的研究成果 | 第138-142页 |
| 学位论文数据集 | 第142页 |
