| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第11-23页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 人脸识别系统 | 第13-15页 |
| 1.3 人脸识别研究工作进展与现状 | 第15-19页 |
| 1.3.1 人脸识别研究工作进展 | 第15-17页 |
| 1.3.2 国内外研究现状 | 第17-19页 |
| 1.4 人脸识别问题存在的困难 | 第19-20页 |
| 1.5 文章内容与结构安排 | 第20-23页 |
| 第二章 已有人脸识别研究方法 | 第23-33页 |
| 2.1 常用的几种国内外人脸识别方法简介 | 第23-27页 |
| 2.1.1 基于几何特征的人脸识别方法 | 第23-24页 |
| 2.1.2 特征脸方法 | 第24-25页 |
| 2.1.3 弹性图匹配方法 | 第25-26页 |
| 2.1.4 基于人工神经网络的方法 | 第26页 |
| 2.1.5 隐马尔可夫模型的人脸识别方法 | 第26-27页 |
| 2.2 与本文提出方法对比的人脸识别算法 | 第27-32页 |
| 2.2.1 主成分分析方法 | 第27-30页 |
| 2.2.2 拉普拉斯评分特征选择方法 | 第30页 |
| 2.2.3 费雪评分特征选择方法 | 第30-32页 |
| 2.3 本章小结 | 第32-33页 |
| 第三章 判别最小二乘特征选择算法在人脸识别中的应用 | 第33-43页 |
| 3.1 最小二乘回归概念 | 第33-34页 |
| 3.2 判别最小二乘特征选择算法DLSR | 第34-37页 |
| 3.2.1 判别最小二乘特征选择算法原理 | 第34-36页 |
| 3.2.2 DLSR算法程序 | 第36-37页 |
| 3.3 实验结果及分析 | 第37-42页 |
| 3.3.1 人脸数据库介绍 | 第37-39页 |
| 3.3.2 实验过程及结果 | 第39-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 改进的判别最小二乘特征选择算法在人脸识别中的应用 | 第43-53页 |
| 4.1 带组内互斥信息的判别最小二乘特征选择算法 | 第43-46页 |
| 4.1.1 特征相似度公式 | 第43-44页 |
| 4.1.2 分组并在组内进行特征选择 | 第44页 |
| 4.1.3 将组内特征互斥项组合到DLSR中 | 第44-46页 |
| 4.2 带组内互斥信息的判别最小二乘特征选择算法程序 | 第46-47页 |
| 4.3 实验结果及分析 | 第47-52页 |
| 4.3.1 实验一 | 第47-50页 |
| 4.3.2 实验二 | 第50-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 本文总结 | 第53页 |
| 5.2 后续研究工作展望 | 第53-55页 |
| 参考文献 | 第55-57页 |
| 致谢 | 第57-59页 |
| 攻读学位期间发表的学术论文 | 第59页 |
