首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于深度森林与分层回归算法的人脸年龄估计方法研究

摘要第5-6页
ABSTRACT第6页
第一章 绪论第9-15页
    1.1 研究背景和选题意义第9-10页
    1.2 国内外研究现状第10-13页
    1.3 论文结构安排第13-15页
第二章 人脸年龄老化过程和预测算法第15-26页
    2.1 引言第15页
    2.2 人脸年龄变化过程第15-16页
    2.3 人脸年龄预测算法第16-25页
        2.3.1 基于传统算法第16-21页
        2.3.2 基于深度学习算法第21-23页
        2.3.3 基于排序算法第23-24页
        2.3.4 基于标签分布算法第24-25页
    2.4 本章小结第25-26页
第三章 深度森林和分层回归算法第26-45页
    3.1 引言第26页
    3.2 深度森林第26-32页
        3.2.1 多粒度扫描第28-29页
        3.2.2 级联森林第29-31页
        3.2.3 深度神经网络和深度森林的区别第31-32页
    3.3 基于深度森林与分层回归算法的整体结构第32-35页
    3.4 级联XGBoost第35-38页
    3.5 多特征融合第38-42页
        3.5.1 全局特征分析第39-41页
        3.5.2 局部特征分析第41-42页
    3.6 算法分析第42-44页
    3.7 本章小结第44-45页
第四章 实验总结第45-57页
    4.1 引言第45页
    4.2 硬件平台和软件配置第45页
    4.3 评价指标第45页
    4.4 数据库第45-54页
        4.4.1 在MORPH Album 2数据库上结果第46-52页
        4.4.2 在MORPH Album 2数据库子集上结果第52-54页
    4.5 对比实验第54-55页
    4.6 本章小结第55-57页
第五章 总结与展望第57-60页
    5.1 总结第57-58页
    5.2 展望第58-60页
参考文献第60-68页
致谢第68-69页
攻读硕士学位发表的论文第69-70页

论文共70页,点击 下载论文
上一篇:王素梅教授治疗儿童抽动障碍的数据挖掘研究
下一篇:基于分布式学习的编队控制与路径规划