基于小波分析和支持向量机的人脸识别方法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-14页 |
| ·人脸识别概念和研究意义 | 第10-12页 |
| ·人脸识别的一般过程 | 第10-11页 |
| ·人脸识别的困难和挑战 | 第11页 |
| ·国内外对人脸识别技术的研究状况 | 第11-12页 |
| ·本文主要研究工作 | 第12-14页 |
| 第二章 小波变换及其在人脸识别中的应用 | 第14-27页 |
| ·小波变换基础简介 | 第14-22页 |
| ·小波和连续小波变换 | 第14-15页 |
| ·离散小波变换 | 第15-16页 |
| ·二进小波变换 | 第16页 |
| ·多分辨分析和正交小波变换 | 第16-20页 |
| ·正交小波变换的快速算法 | 第20-21页 |
| ·小波变换的应用策略 | 第21-22页 |
| ·小波变换在人脸识别中的应用 | 第22-26页 |
| ·基于离散的正交小波变换的人脸识别 | 第23-25页 |
| ·基于连续的Gabor小波变换的人脸识别 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 支持向量机原理 | 第27-39页 |
| ·支持向量机基础简介 | 第27-30页 |
| ·机器学习的基本问题 | 第27-28页 |
| ·经验风险最小化 | 第28页 |
| ·VC维与推广性的界 | 第28-29页 |
| ·结构风险最小化 | 第29-30页 |
| ·支持向量机的基本思想 | 第30-38页 |
| ·线性支持向量机 | 第30-33页 |
| ·广义线性支持向量机 | 第33-35页 |
| ·非线性支持向量机 | 第35-37页 |
| ·多分类支持向量机 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 基于PCA-LDA和SVM的人脸识别算法 | 第39-50页 |
| ·主成分分析法(PCA) | 第39-41页 |
| ·线性判别分析法(LDA) | 第41-42页 |
| ·PCA和LDA融合算法 | 第42-43页 |
| ·实验所用人脸数据库介绍 | 第43-45页 |
| ·ORL人脸库介绍 | 第43页 |
| ·YALE人脸库介绍 | 第43-45页 |
| ·基于 PCA-LDA和SVM的人脸识别算法 | 第45-48页 |
| ·算法实现 | 第45-46页 |
| ·实验结果及分析 | 第46-48页 |
| ·本章小结 | 第48-50页 |
| 第五章 实验结果及分析 | 第50-65页 |
| ·基于离散小波变换和支持向量机的人脸识别 | 第50-60页 |
| ·小波分解对识别率的影响 | 第50-54页 |
| ·训练图像数目对识别率的影响 | 第54-55页 |
| ·支持向量机中核函数和参数对识别率的影响 | 第55-60页 |
| ·基于加权小波分析和 PSO-SVM 的人脸识别 | 第60-63页 |
| ·算法的实现步骤 | 第61-62页 |
| ·小波权系数对识别率的影响 | 第62-63页 |
| ·与其它方法的比较 | 第63页 |
| ·本章小结 | 第63-65页 |
| 总结与展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间取得的研究成果 | 第71-72页 |
| 致谢 | 第72-73页 |
| 附录 | 第73页 |
