基于改进GLRAM算法的人脸识别研究

摘要	第1-4页
Abstract	第4-7页
1 绪论	第7-12页
·人脸识别的研究背景	第7-9页
·人脸识别国内外研究现状	第9-10页
·国内研究状况	第9页
·国外研究状况	第9-10页
·人脸识别研究的难点	第10页
·本文研究的主要内容	第10-12页
2 传统的主成分分析方法	第12-23页
·奇异值分解	第12-16页
·奇异值分解定理及其性质	第12-15页
·奇异值分解定理在人脸识别中的应用	第15-16页
·传统的主成分分析(PCA)	第16-20页
·K-L变换的原理	第17-18页
·基于PCA算法的人脸识别	第18-19页
·PCA的优缺点分析	第19-20页
·二维的主成分分析(2DPCA)	第20-23页
·2DPCA算法的基本原理	第20-21页
·基于2DPCA算法的人脸识别	第21-22页
·2DPCA的优缺点分析	第22-23页
3 基于GLRAM算法的人脸识别	第23-37页
·序言	第23页
·GLRAM算法的概述	第23-25页
·GLRAM算法的两个重要性质	第25-30页
·初值的选择问题	第26-29页
·子空间维数的选择问题	第29-30页
·实验总结	第30页
·GLRAM算法对于人脸识别的效果	第30-35页
·GLRAM算法的优缺点	第35-37页
4 极限GLRAM算法	第37-58页
·序言	第37页
·极限GLRAM算法	第37-49页
·极限GLRAM算法的思路	第37-39页
·极限GLRAM算法描述	第39页
·极限GLRAM算法重构效果	第39-45页
·改进的极限GLRAM算法	第45-49页
·实验结果及分析	第49-58页
·人脸数据库与实验环境	第49页
·实验结果与分析	第49-58页
5 总结与展望	第58-60页
·总结	第58页
·展望	第58-60页
致谢	第60-61页
参考文献	第61-63页