| 摘要 | 第1-3页 |
| Abstract | 第3-6页 |
| 第1章 绪论 | 第6-9页 |
| ·研究背景 | 第6-7页 |
| ·支持向量机 | 第6页 |
| ·人脸识别 | 第6-7页 |
| ·课题研究意义 | 第7-8页 |
| ·本文工作概述 | 第8-9页 |
| ·创新点 | 第8页 |
| ·章节结构 | 第8-9页 |
| 第2章 基本理论 | 第9-30页 |
| ·统计学习理论 | 第9-11页 |
| ·函数集的VC维 | 第9页 |
| ·损失函数、期望风险、经验风险 | 第9-10页 |
| ·结构风险最小化原则 | 第10-11页 |
| ·支持向量机 | 第11-20页 |
| ·线性可分支持向量分类机 | 第12-14页 |
| ·线性支持向量分类机 | 第14-16页 |
| ·支持向量分类机 | 第16-20页 |
| ·基于支持向量机的多类分类方法 | 第20-23页 |
| ·一对多方法(One-against-the rest) | 第20-21页 |
| ·一对一方法(One-against-one) | 第21-22页 |
| ·DAG方法 | 第22-23页 |
| ·模糊支持向量机 | 第23-29页 |
| ·输入样本的模糊属性 | 第23-24页 |
| ·支持向量机的重构 | 第24-26页 |
| ·基于FSVM的多类分类方法 | 第26-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 混合SVM核函数及其参数的选择 | 第30-39页 |
| ·引言 | 第30页 |
| ·几种常用的核函数 | 第30-32页 |
| ·混合核函数 | 第32-33页 |
| ·核参数的选择方法 | 第33-34页 |
| ·利用群间距离选择核参数 | 第34-37页 |
| ·实验结果与分析 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 支持向量机在人脸识别中的应用 | 第39-46页 |
| ·引言 | 第39页 |
| ·人脸识别的相关研究 | 第39-40页 |
| ·局部遮挡情况下的人脸识别 | 第40-43页 |
| ·Gabor滤波器 | 第41页 |
| ·局部高斯核函数SVM | 第41-43页 |
| ·实验结果与分析 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第5章 总结与展望 | 第46-47页 |
| ·总结 | 第46页 |
| ·展望 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 攻读硕士学位期间的研究成果 | 第50-51页 |
| 致谢 | 第51-53页 |