| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-11页 |
| ·支持向量机 | 第8页 |
| ·隐马尔可夫模型 | 第8页 |
| ·HMM/SVM 混合模型 | 第8-9页 |
| ·HBS 混合模型 | 第9页 |
| ·人脸识别 | 第9页 |
| ·本文的主要研究内容 | 第9-10页 |
| ·本文的章节安排 | 第10-11页 |
| 第二章 支持向量机与隐马尔可夫模型 | 第11-25页 |
| ·支持向量机 | 第11-18页 |
| ·统计学习理论 | 第11-13页 |
| ·统计学习理论简介 | 第11-12页 |
| ·损失函数和风险最小化 | 第12页 |
| ·归纳原理 | 第12页 |
| ·经验风险最小化 | 第12-13页 |
| ·结构风险最小化原理 | 第13页 |
| ·决策函数集 | 第13页 |
| ·支持向量机理论 | 第13-16页 |
| ·最优分类面 | 第14页 |
| ·广义最优分类面 | 第14-15页 |
| ·SVM 的推广 | 第15-16页 |
| ·高维空间的推广 | 第16页 |
| ·核函数 | 第16-18页 |
| ·隐马尔可夫模型 | 第18-25页 |
| ·经典隐马尔可夫模型实例 | 第18-19页 |
| ·HMM 要解决的三个问题 | 第19-22页 |
| ·HMM 的分类和结构 | 第22-25页 |
| ·HMM 的分类 | 第22-23页 |
| ·HMM 的结构 | 第23-25页 |
| 第三章 HMM 和SVM 混合模型 | 第25-29页 |
| ·经典HMM 与SVM 的缺陷 | 第25页 |
| ·HMM/SVM 建模 | 第25-26页 |
| ·HMM/SVM 的分类策略 | 第26-28页 |
| ·一对一策略 | 第26-27页 |
| ·一对多策略 | 第27-28页 |
| ·HMM/SVM 模型的训练 | 第28页 |
| ·基于HMM/SVM 混合模型的模式识别 | 第28-29页 |
| 第四章 HMM/SVM 混合模型在人脸识别中的应用 | 第29-42页 |
| ·人脸识别的背景 | 第29-30页 |
| ·人脸识别的发展历程 | 第29-30页 |
| ·国内人脸识别研究进展 | 第30页 |
| ·人脸识别的研究内容与方法 | 第30-36页 |
| ·人脸识别系统的组成 | 第32-33页 |
| ·主流人脸识别方法介绍 | 第33-36页 |
| ·人脸数据库 | 第36-37页 |
| ·人脸特征提取 | 第37-38页 |
| ·基于HMM/SVM 模型的人脸识别流程 | 第38-39页 |
| ·实验结果与分析 | 第39-42页 |
| 第五章 BHMM 和SVM 混合模型及其应用 | 第42-48页 |
| ·带回溯的 HMM(Backdated HMM) | 第42-44页 |
| ·经典HMM 的缺陷 | 第42-43页 |
| ·BHMM 的构成及算法 | 第43-44页 |
| ·BHMM 与SVM 的混合模型HBS | 第44页 |
| ·HBS 模型在人脸识别中的应用 | 第44-48页 |
| 第六章 总结与展望 | 第48-50页 |
| ·本文工作总结 | 第48页 |
| ·今后工作展望 | 第48-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第54页 |