基于非负张量分解的人脸识别算法研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-15页 |
| 1.1 课题的背景及研究意义 | 第8-9页 |
| 1.1.1 人脸识别技术 | 第8页 |
| 1.1.2 课题的研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 人脸识别技术的研究现状 | 第9-10页 |
| 1.2.2 非负矩阵分解方法的研究现状 | 第10-11页 |
| 1.2.3 非负张量分解方法的研究现状 | 第11页 |
| 1.3 常用的人脸数据库 | 第11-13页 |
| 1.4 本文主要内容和结构安排 | 第13-15页 |
| 2 非负矩阵分解 | 第15-22页 |
| 2.1 非负矩阵分解的思想起源与基本概念 | 第15-16页 |
| 2.2 非负矩阵分解基于不同距离下的目标函数 | 第16-18页 |
| 2.2.1 基于欧氏距离下的目标函数 | 第16-17页 |
| 2.2.2 基于KL散度下的目标函数 | 第17-18页 |
| 2.3 非负矩阵分解算法 | 第18-20页 |
| 2.3.1 Lee和Seung提出的乘性迭代算法 | 第18-19页 |
| 2.3.2 基于梯度下降的算法 | 第19页 |
| 2.3.3 基于交替非负最小二乘法的算法 | 第19-20页 |
| 2.4 非负矩阵分解算法的优缺点 | 第20-22页 |
| 3 非负张量分解 | 第22-29页 |
| 3.1 张量 | 第22-23页 |
| 3.1.1 张量概念 | 第22页 |
| 3.1.2 张量代数基本运算 | 第22-23页 |
| 3.2 非负张量分解基于不同距离下的目标函数 | 第23-26页 |
| 3.2.1 基于欧氏距离下的目标函数 | 第24页 |
| 3.2.2 基于KL散度下的目标函数 | 第24-26页 |
| 3.3 非负张量分解算法 | 第26-28页 |
| 3.3.1 乘性迭代算法 | 第27页 |
| 3.3.2 基于交替非负最小二乘法的算法 | 第27-28页 |
| 3.4 本章小结 | 第28-29页 |
| 4 基于非负张量分解的人脸识别方法 | 第29-41页 |
| 4.1 方法的理论推导及收敛性证明 | 第29-32页 |
| 4.2 仿真实验 | 第32-34页 |
| 4.2.1 实验条件和参数 | 第32页 |
| 4.2.2 算法可行性的验证 | 第32-34页 |
| 4.3 实验结果与分析 | 第34-40页 |
| 4.4 本章小结 | 第40-41页 |
| 5 论文总结与展望 | 第41-43页 |
| 5.1 论文总结 | 第41页 |
| 5.2 论文展望 | 第41-43页 |
| 致谢 | 第43-44页 |
| 参考文献 | 第44-49页 |
| 附录 作者在攻读硕士学位期间发表的论文目录 | 第49页 |
