| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题的研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-17页 |
| 1.2.1 表情特征提取研究进展 | 第13-16页 |
| 1.2.2 表情分类识别基本概况 | 第16页 |
| 1.2.3 表情识别技术难点 | 第16-17页 |
| 1.3 本文的主要工作 | 第17-18页 |
| 第2章 流形学习算法及其应用 | 第18-32页 |
| 2.1 引言 | 第18页 |
| 2.2 流形学习经典算法介绍 | 第18-29页 |
| 2.2.1 流形学习基本概念 | 第19-20页 |
| 2.2.2 非线性流形学习算法 | 第20-25页 |
| 2.2.3 线性流形学习算法 | 第25-27页 |
| 2.2.4 流形学习算法分析总结 | 第27-29页 |
| 2.3 流形学习算法的应用 | 第29-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第3章 基于新的样本距离的有监督表情特征提取算法 | 第32-42页 |
| 3.1 引言 | 第32-33页 |
| 3.2 特征提取算法的设计 | 第33-35页 |
| 3.2.1 图像欧式距离 | 第33-34页 |
| 3.2.2 新的样本间距离度量 | 第34-35页 |
| 3.3 特征提取算法的实现 | 第35-36页 |
| 3.3.1 算法步骤 | 第35页 |
| 3.3.2 算法复杂度分析 | 第35-36页 |
| 3.4 实验仿真 | 第36-40页 |
| 3.4.1 基于交叉验证的 LIBSVM 分类 | 第36-39页 |
| 3.4.2 数据库介绍 | 第39页 |
| 3.4.3 实验结果与分析 | 第39-40页 |
| 3.5 本章小结 | 第40-42页 |
| 第4章 融合全局与局部特征的无监督表情特征提取算法 | 第42-53页 |
| 4.1 引言 | 第42-43页 |
| 4.2 特征提取算法的设计 | 第43-47页 |
| 4.2.1 全局特征提取 | 第43页 |
| 4.2.2 局部多样性特征提取 | 第43-47页 |
| 4.3 特征提取算法的实现 | 第47-49页 |
| 4.3.1 算法思想的实现 | 第47-48页 |
| 4.3.2 算法复杂度分析 | 第48-49页 |
| 4.4 实验结果与分析 | 第49-52页 |
| 4.4.1 实验一结果及分析 | 第49-51页 |
| 4.4.2 实验二结果及分析 | 第51-52页 |
| 4.5 本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第59-60页 |
| 致谢 | 第60-61页 |
| 作者简介 | 第61页 |