模糊支持向量机在人脸识别中的应用研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-12页 |
| ·模糊支持向量机技术概述及其研究意义 | 第8页 |
| ·人脸识别技术背景及其研究意义 | 第8-10页 |
| ·研究内容及其现状 | 第9页 |
| ·人脸识别的应用 | 第9-10页 |
| ·本文的研究工作 | 第10页 |
| ·本文研究内容安排 | 第10-12页 |
| 第二章 统计学习理论与模糊支持向量机的基本原理 | 第12-27页 |
| ·引言 | 第12页 |
| ·统计学习理论的核心内容 | 第12-15页 |
| ·学习过程一致性的条件 | 第12-13页 |
| ·函数集的VC 维 | 第13-14页 |
| ·推广性的界 | 第14页 |
| ·结构风险最小化原则 | 第14-15页 |
| ·支持向量机基本原理 | 第15-20页 |
| ·线性支持向量机 | 第16-17页 |
| ·广义最优超平面 | 第17-19页 |
| ·非线性支持向量机 | 第19-20页 |
| ·模糊支持向量机(FSVM) | 第20-26页 |
| ·输入样本的模糊属性 | 第20-21页 |
| ·两类FSVM | 第21-22页 |
| ·多类FSVM | 第22页 |
| ·传统SVM 多类算法及其缺陷 | 第22-24页 |
| ·FSVM 的多类算法 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于混合核的模糊支持向量机研究 | 第27-32页 |
| ·引言 | 第27页 |
| ·局部核函数与全局核函数 | 第27-28页 |
| ·混合核函数 | 第28-29页 |
| ·基于混合核函数的模糊支持向量机实验结果与分析 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 基于新偏移量的模糊支持向量机研究 | 第32-39页 |
| ·引言 | 第32页 |
| ·新偏移量 | 第32-33页 |
| ·分类器构造 | 第33-34页 |
| ·基于人脸图像的PCA 特征抽取方法 | 第34-35页 |
| ·实验与结果分析 | 第35-38页 |
| ·一对一FSVM 实验结果 | 第36-37页 |
| ·一对多FSVM 实验结果 | 第37页 |
| ·两种实验结果分析 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第五章 自适应模糊支持向量机研究 | 第39-48页 |
| ·引言 | 第39页 |
| ·核函数 | 第39页 |
| ·自适应核学习算法 | 第39-42页 |
| ·核矩阵的谱分解 | 第39-40页 |
| ·最优化分类标准 | 第40-41页 |
| ·最优化问题的解决 | 第41-42页 |
| ·自适应模糊支持向量机（AFSVM） | 第42-43页 |
| ·一对一自适应模糊支持向量机(一对一AFSVM) | 第42-43页 |
| ·一对多自适应模糊支持向量机(一对多AFSVM) | 第43页 |
| ·实验结果分析 | 第43-47页 |
| ·一对一AFSVM 实验结果分析 | 第43-46页 |
| ·一对多AFSVM 实验结果分析 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第六章 总结与展望 | 第48-50页 |
| ·总结 | 第48页 |
| ·未来的研究课题 | 第48-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第55页 |
