| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-7页 |
| 第一章.绪论 | 第7-15页 |
| ·本课题研究背景及意义 | 第7-8页 |
| ·常用人脸识别研究方法 | 第8-12页 |
| ·人脸识别的研究热点及基于核方法维数约减的人脸识别研究现状 | 第12-13页 |
| ·人脸识别的研究热点 | 第12页 |
| ·基于核方法维数约减的人脸识别研究现状 | 第12-13页 |
| ·本文的主要工作及研究成果 | 第13-15页 |
| 第二章.人脸识别中典型维数约减算法 | 第15-32页 |
| ·引言 | 第15页 |
| ·维数约减的概念 | 第15-16页 |
| ·人脸识别中的维数约减 | 第16-30页 |
| ·人脸识别的主成分(PCA)分析法 | 第17-20页 |
| ·人脸识别的核主成分(KPCA)分析法 | 第20-24页 |
| ·PCA和KPCA比较分析及实验结果 | 第24-25页 |
| ·人脸识别的线性判别(LDA)分析法 | 第25-27页 |
| ·核Fisher判别法(KFDA) | 第27-30页 |
| ·本章小结 | 第30-32页 |
| 第三章.基于自适应双核融合的人脸识别 | 第32-41页 |
| ·引言 | 第32页 |
| ·核函数的融合 | 第32-34页 |
| ·自适应双核融合 | 第34-39页 |
| ·实验结果及分析 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第四章.基于训练样本信息生成核的KPCA特征提取及其优化的人脸识别 | 第41-49页 |
| ·由函数生成核 | 第41-43页 |
| ·核函数的概念 | 第41-42页 |
| ·由函数生成核 | 第42-43页 |
| ·基于训练样本信息生成核的KPCA特征提取 | 第43-44页 |
| ·基于训练样本信息生成核的KPCA特征提取优化方法 | 第44-45页 |
| ·基于样本信息生成核的KPCA特征提取及其优化的人脸识别算法 | 第45-47页 |
| ·实验结果及分析 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第五章.总结与展望 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53-54页 |
| 研究成果 | 第54页 |
