| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-19页 |
| ·研究背景与意义 | 第9页 |
| ·国内外研究概况及发展趋势 | 第9-10页 |
| ·常用的人脸识别方法 | 第10-17页 |
| ·基于几何特征的方法 | 第10-11页 |
| ·基于机器学习的方法 | 第11-12页 |
| ·基于模型的方法 | 第12-13页 |
| ·基于局部特征的方法 | 第13-14页 |
| ·基于子空间分析的方法 | 第14-17页 |
| ·本论文的主要工作和章节安排 | 第17-19页 |
| 2 流形学习理论与方法概述 | 第19-26页 |
| ·流形学习的数学基础 | 第19-20页 |
| ·流形学习的几种主要算法 | 第20-24页 |
| ·等度规映射(ISOMAP) | 第20-21页 |
| ·局部线性嵌入(LLE) | 第21-24页 |
| ·拉普拉斯特征映射(LE) | 第24页 |
| ·小结 | 第24-26页 |
| 3 基于Gabor特征的边界Fisher分析算法 | 第26-37页 |
| ·边界Fisher分析算法 | 第26-29页 |
| ·图嵌入数据降维方法 | 第26-27页 |
| ·边界Fisher分析算法 | 第27-29页 |
| ·人脸图像的Gabor特征表示 | 第29-31页 |
| ·Gabor小波变换 | 第29-30页 |
| ·Gabor特征表示 | 第30-31页 |
| ·基于Gabor特征的边界Fisher分析算法 | 第31-32页 |
| ·实验结果举例与分析 | 第32-37页 |
| ·ORL人脸库上的实验结果 | 第33-34页 |
| ·AR人脸库上的实验结果 | 第34-36页 |
| ·FERET人脸库上的实验结果 | 第36-37页 |
| 4 改进的边界Fisher分析算法 | 第37-45页 |
| ·目标函数 | 第37-38页 |
| ·最大边界准则(MMC) | 第38-40页 |
| ·改进的边界Fisher分析算法 | 第40-42页 |
| ·改进的边界Fisher分析算法 | 第40-41页 |
| ·基于Gabor特征的改进边界Fisher分析算法 | 第41-42页 |
| ·实验结果举例与分析 | 第42-45页 |
| 5 基于增强的流形学习和二次分类法的人脸识别系统 | 第45-53页 |
| ·基于超椭球神经网络和纠错SVM的二次分类法 | 第45-49页 |
| ·基于超椭球神经网络的仿生模式识别 | 第45-48页 |
| ·纠错SVM分类器 | 第48-49页 |
| ·基于增强流形学习和二次分类的人脸识别系统 | 第49-51页 |
| ·实验结果 | 第51-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间发表学术论文情况 | 第59-60页 |
| 致谢 | 第60-61页 |