| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 研究目的和意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 社交软件的发展现状 | 第11-13页 |
| 1.2.2 人脸识别技术研究现状 | 第13-15页 |
| 1.2.3 深度学习研究现状 | 第15-16页 |
| 1.3 本文的主要内容与安排 | 第16-17页 |
| 1.4 本章小结 | 第17-18页 |
| 第二章 LBP特征提取算法以及深度学习关键技术 | 第18-26页 |
| 2.1 LBP | 第18-22页 |
| 2.1.1 圆形LBP | 第18-20页 |
| 2.1.2 等价模式LBP(uniform LBP) | 第20-21页 |
| 2.1.3 LBP在人脸识别中的应用 | 第21-22页 |
| 2.2 深度学习 | 第22-25页 |
| 2.2.1 DBN模型的结构 | 第22-24页 |
| 2.2.2 受限波尔兹曼机RBM | 第24-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 基于改进深度信念网络的人脸识别算法设计 | 第26-42页 |
| 3.1 基于改进DBN的人脸识别算法设计与实现 | 第26-34页 |
| 3.1.1 过拟合现象 | 第27-28页 |
| 3.1.2 Dropout与正则化方法对比 | 第28-30页 |
| 3.1.3 深度信念网络的优化 | 第30-32页 |
| 3.1.4 DDBN人脸识别算法 | 第32-34页 |
| 3.2 实验结果与分析 | 第34-41页 |
| 3.3 本章小结 | 第41-42页 |
| 第四章 基于人脸识别的Android社交软件研究与实现 | 第42-61页 |
| 4.1 需求分析 | 第42-43页 |
| 4.1.1 功能需求 | 第42-43页 |
| 4.1.2 环境需求 | 第43页 |
| 4.2 系统架构设计 | 第43-46页 |
| 4.3 系统详细设计 | 第46-53页 |
| 4.3.1 “刷脸”登录模块 | 第46-48页 |
| 4.3.2 聊天模块 | 第48-51页 |
| 4.3.3 朋友圈模块 | 第51-53页 |
| 4.4 系统展示与测试 | 第53-57页 |
| 4.4.1 系统功能展示 | 第53-55页 |
| 4.4.2 系统测试 | 第55-57页 |
| 4.5 系统特色与不足 | 第57-60页 |
| 4.5.1 特色一：基于深度学习的“刷脸”登录 | 第58-59页 |
| 4.5.2 特色二：bmob云平台 | 第59-60页 |
| 4.5.3 系统存在的不足 | 第60页 |
| 4.6 本章小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 工作总结 | 第61页 |
| 5.2 工作展望 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 攻读硕士期间取得的学术成果 | 第68-69页 |
| 致谢 | 第69页 |