| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 人脸识别的研究背景及意义 | 第8页 |
| 1.2 人脸识别的国内外研究现状 | 第8-12页 |
| 1.2.1 经典维数约简算法综述 | 第9-11页 |
| 1.2.2 维数约简算法发展现状 | 第11-12页 |
| 1.3 论文的主要内容 | 第12-13页 |
| 本章小结 | 第13-14页 |
| 第二章 经典维数约简算法 | 第14-27页 |
| 2.1 引言 | 第14页 |
| 2.2 主成分分析 | 第14-16页 |
| 2.3 线性判别分析 | 第16-18页 |
| 2.4 局部保持投影 | 第18-19页 |
| 2.5 局部线性映射 | 第19-22页 |
| 2.6 传统维数约简算法在人脸识别中的效果 | 第22-26页 |
| 本章小结 | 第26-27页 |
| 第三章 稀疏保持投影 | 第27-34页 |
| 3.1 引言 | 第27页 |
| 3.2 稀疏表示算法 | 第27-29页 |
| 3.3 稀疏权值矩阵 | 第29-30页 |
| 3.4 稀疏保持投影 | 第30-31页 |
| 3.5 稀疏保持投影与其他算法的比较及其优点 | 第31-33页 |
| 本章小结 | 第33-34页 |
| 第四章 半监督稀疏保持投影 | 第34-45页 |
| 4.1 半监督学习 | 第34-35页 |
| 4.2 半监督维数约简算法 | 第35-40页 |
| 4.2.1 半监督判别分析 | 第35-38页 |
| 4.2.2 半监督维数约简算法 | 第38-40页 |
| 4.3 一种新的半监督维数约简算法—半监督稀疏保持投影 | 第40-42页 |
| 4.4 稀疏权值矩阵的缺点及本文提出的解决方法 | 第42-43页 |
| 本章小结 | 第43-45页 |
| 第五章 人脸识别系统构建方法及流程 | 第45-53页 |
| 5.1 图像特征提取 | 第45-49页 |
| 5.1.1 局部二值模型 | 第45-47页 |
| 5.1.2 方向梯度直方图 | 第47-49页 |
| 5.2 人脸数据分类 | 第49-52页 |
| 5.2.1 k最近邻算法 | 第49页 |
| 5.2.2 极端学习机算法 | 第49-52页 |
| 本章小结 | 第52-53页 |
| 第六章 人脸识别实验与分析 | 第53-57页 |
| 6.1 人脸识别实验 | 第53-56页 |
| 本章小结 | 第56-57页 |
| 第七章 总结与展望 | 第57-58页 |
| 7.1 总结 | 第57页 |
| 7.2 展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61页 |