基于混合核函数支持向量机的人脸识别方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-12页 |
| ·人脸识别技术概述及研究意义 | 第8页 |
| ·人脸识别的发展与现状 | 第8-10页 |
| ·独立成分分析方法综述 | 第10页 |
| ·支持向量机综述 | 第10-11页 |
| ·论文的研究工作及解决的主要问题 | 第11页 |
| ·论文的组织结构 | 第11页 |
| ·资助本课题的专项研究基金 | 第11-12页 |
| 第二章 人脸识别技术 | 第12-21页 |
| ·人脸识别基本理论 | 第12-13页 |
| ·常用人脸检测方法 | 第13-17页 |
| ·基于知识的方法 | 第13-14页 |
| ·特征不变量方法 | 第14-15页 |
| ·模板匹配的方法 | 第15页 |
| ·基于表象的方法 | 第15-17页 |
| ·人脸图像数据库及性能评价 | 第17-19页 |
| ·人脸图像数据库 | 第17-18页 |
| ·人脸识别技术的性能评价 | 第18-19页 |
| ·人脸特征提取 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 独立成分分析方法与支持向量机 | 第21-36页 |
| ·独立成分分析方法 | 第21-26页 |
| ·ICA 模型 | 第21-22页 |
| ·ICA 的基本方法 | 第22-24页 |
| ·核独立成分分析方法 | 第24-26页 |
| ·支持向量机 | 第26-30页 |
| ·支持向量机概念 | 第26-27页 |
| ·SVM 的基本方法 | 第27-30页 |
| ·核函数支持向量机及改进 | 第30-35页 |
| ·核函数方法 | 第30-31页 |
| ·核函数支持向量机 | 第31-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 实验结果与分析 | 第36-47页 |
| ·人脸样本采集与预处理 | 第36-38页 |
| ·灰度归一化 | 第36-37页 |
| ·几何归一化 | 第37-38页 |
| ·基于 KICA 的特征提取 | 第38-41页 |
| ·基于混合核函数支持向量机的人脸识别 | 第41-44页 |
| ·人脸识别分类流程 | 第41页 |
| ·分类训练 | 第41-42页 |
| ·核函数对分类训练的影响 | 第42-44页 |
| ·分类识别及性能比较分析 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 结束语 | 第47-48页 |
| ·本文的主要工作 | 第47页 |
| ·本文进一步的研究工作 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 研究生期间发表的论文、专利和获得的奖励 | 第51-52页 |
| 致谢 | 第52页 |
