| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第1章 绪论 | 第9-20页 |
| ·研究的背景和意义 | 第9-11页 |
| ·研究的现状 | 第11-18页 |
| ·人脸识别的研究现状 | 第11-15页 |
| ·基于主成分分析的人脸识别研究现状 | 第15-18页 |
| ·论文的主要工作 | 第18-19页 |
| ·论文的结构安排 | 第19-20页 |
| 第2章 论文涉及的相关理论基础 | 第20-33页 |
| ·人脸识别的基本理论 | 第20-29页 |
| ·人脸的表示 | 第22页 |
| ·基于主成分分析的人脸特征提取方法理论基础 | 第22-24页 |
| ·人脸特征相似性度量 | 第24-25页 |
| ·基于距离的度量方法 | 第24-25页 |
| ·基于相似性的度量方法 | 第25页 |
| ·人脸特征的分类 | 第25-26页 |
| ·常用的人脸识别测试数据集 | 第26-27页 |
| ·常用的人脸识别方法测试模式 | 第27-28页 |
| ·人脸识别方法的评价指标 | 第28-29页 |
| ·常用的人脸识别方法测试基准算法 | 第29页 |
| ·信息熵的基本理论 | 第29-30页 |
| ·人脸识别中核方法的基本理论 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 基于熵的局部特征保留方法 | 第33-39页 |
| ·基本思想 | 第33页 |
| ·基于熵的局部特征保留原理 | 第33-35页 |
| ·基于熵的局部特征保留处理模型 | 第35-37页 |
| ·处理结果及分析 | 第37-38页 |
| ·基于ORL人脸库的处理结果及分析 | 第37-38页 |
| ·基于Yale人脸库的处理结果及分析 | 第38页 |
| ·本章小结 | 第38-39页 |
| 第4章 基于熵局部保留主成分分析的人脸识别方法 | 第39-48页 |
| ·主成分分析方法(PCA) | 第39-41页 |
| ·基本思想 | 第39页 |
| ·人脸特征提取方法 | 第39-40页 |
| ·特征分类 | 第40页 |
| ·主成分分析方法的优缺点分析 | 第40-41页 |
| ·熵局部保留主成分分析方法 | 第41-42页 |
| ·实验及结果分析 | 第42-47页 |
| ·基于ORL人脸数据集的实验结果及分析 | 第43-45页 |
| ·基于Yale人脸数据集的实验结果及分析 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 基于熵局部保留完全二维主成分分析的人脸识别方法 | 第48-56页 |
| ·完全二维主成分分析方法(C2DPCA) | 第48-50页 |
| ·基本思想 | 第48页 |
| ·人脸特征提取方法 | 第48-49页 |
| ·特征分类 | 第49页 |
| ·完全二维主成分分析方法的优缺点分析 | 第49-50页 |
| ·熵局部保留完全二维主成分分析方法 | 第50-51页 |
| ·实验及结果分析 | 第51-55页 |
| ·基于ORL人脸数据集的实验结果及分析 | 第51-54页 |
| ·基于Yale人脸数据集的实验结果及分析 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第6章 基于熵局部保留核主成分分析的人脸识别方法 | 第56-64页 |
| ·核主成分分析方法(KPCA) | 第56-57页 |
| ·基本思想 | 第56页 |
| ·人脸特征提取方法 | 第56-57页 |
| ·特征分类 | 第57页 |
| ·核主成分分析方法的优缺点分析 | 第57页 |
| ·熵局部保留核主成分分析方法 | 第57-59页 |
| ·实验及结果分析 | 第59-63页 |
| ·基于ORL人脸数据集的实验结果及分析 | 第59-61页 |
| ·基于Yale人脸数据集的实验结果及分析 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 第7章 总结与展望 | 第64-66页 |
| ·工作总结 | 第64-65页 |
| ·对今后工作的展望 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 致谢 | 第71-72页 |
| 攻读硕士学位期间发表的论文 | 第72页 |