| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 符号说明 | 第12-13页 |
| 第一章 绪论 | 第13-22页 |
| 1.1 课题研究背景及意义 | 第13-14页 |
| 1.2 人脸识别的研究历史 | 第14-15页 |
| 1.3 人脸识别的研究现状 | 第15-20页 |
| 1.3.1 基于线性子空间的人脸识别方法 | 第15-16页 |
| 1.3.2 基于流形学习的人脸识别方法 | 第16-18页 |
| 1.3.3 基于稀疏表示的人脸识别方法 | 第18-19页 |
| 1.3.4 基于低秩表示的人脸识别方法 | 第19-20页 |
| 1.4 本文的研究工作 | 第20-21页 |
| 1.5 本文的内容安排 | 第21-22页 |
| 第二章 图嵌入模型及正则化技术 | 第22-29页 |
| 2.1 引言 | 第22页 |
| 2.2 图构造方法 | 第22-24页 |
| 2.3 图嵌入模型 | 第24-27页 |
| 2.4 正则化技术 | 第27-28页 |
| 2.4.1 特征谱正则化 | 第27-28页 |
| 2.4.2 图正则化 | 第28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于QR分解的正则化邻域保持嵌入算法 | 第29-41页 |
| 3.1 引言 | 第29-30页 |
| 3.2 相关工作 | 第30-31页 |
| 3.3 正则化邻域保持嵌入算法 | 第31-34页 |
| 3.3.1 特征谱空间划分和正则化 | 第31-33页 |
| 3.3.2 算法提出 | 第33-34页 |
| 3.4 实验 | 第34-39页 |
| 3.4.1 实验数据库 | 第35-36页 |
| 3.4.2 实验结果分析 | 第36-38页 |
| 3.4.3 参数选择 | 第38-39页 |
| 3.5 本章小结 | 第39-41页 |
| 第四章 基于类别信息的权值正则化稀疏保持嵌入算法 | 第41-54页 |
| 4.1 引言 | 第41-42页 |
| 4.2 相关工作 | 第42-44页 |
| 4.2.1 l_1图 | 第42-43页 |
| 4.2.2 稀疏保持投影 | 第43-44页 |
| 4.3 基于类别信息的权值正则化稀疏保持嵌入 | 第44-48页 |
| 4.3.1 基于类别信息的l_1构图 | 第44-46页 |
| 4.3.2 加权邻接图 | 第46页 |
| 4.3.3 算法提出 | 第46-48页 |
| 4.4 实验 | 第48-53页 |
| 4.4.1 实验数据库 | 第49-52页 |
| 4.4.2 实验结果分析 | 第52页 |
| 4.4.3 参数选择 | 第52-53页 |
| 4.5 本章小节 | 第53-54页 |
| 第五章 基于非负l_1图正则化低秩表示的鲁棒人脸识别算法 | 第54-70页 |
| 5.1 引言 | 第54-55页 |
| 5.2 相关工作 | 第55-56页 |
| 5.2.1 稀疏表示(SRC) | 第55页 |
| 5.2.2 协同表示(CRC) | 第55-56页 |
| 5.2.3 低秩表示(LRR) | 第56页 |
| 5.3 基于非负l_1图正则化低秩表示 | 第56-62页 |
| 5.3.1 非负l_1图正则化低秩表示模型 | 第56-59页 |
| 5.3.2 稀疏和协同表示模型 | 第59-61页 |
| 5.3.3 算法提出 | 第61-62页 |
| 5.4 实验 | 第62-69页 |
| 5.4.1 Extended Yale B数据库 | 第63-64页 |
| 5.4.2 CMU PIE数据库 | 第64-65页 |
| 5.4.3 AR数据库 | 第65-67页 |
| 5.4.4 人工噪声 | 第67-69页 |
| 5.4.5 参数选择 | 第69页 |
| 5.5 本章小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 总结 | 第70-71页 |
| 6.2 展望 | 第71-72页 |
| 参考文献 | 第72-78页 |
| 致谢 | 第78-79页 |
| 攻读硕士期间发表的学术论文目录 | 第79-81页 |