| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-11页 |
| 表格索引 | 第11-12页 |
| 插图索引 | 第12-13页 |
| 第一章 绪论 | 第13-21页 |
| ·研究背景和意义 | 第13-14页 |
| ·研究现状 | 第14-18页 |
| ·特征点检测和跟踪的研究现状 | 第14-15页 |
| ·自发和人为表情识别的研究现状 | 第15-16页 |
| ·关于特权信息的研究现状 | 第16-18页 |
| ·主要研究内容 | 第18-19页 |
| ·本文组织结构 | 第19-21页 |
| 第二章 主动特征点标注方法 | 第21-31页 |
| ·主动特征点标注方法 | 第21-27页 |
| ·特征点空间关系建模 | 第22-25页 |
| ·交互式的主动特征点标注方法 | 第25-27页 |
| ·实验和结果分析 | 第27-29页 |
| ·实验条件 | 第27页 |
| ·实验结果和分析 | 第27-29页 |
| ·本章总结 | 第29-31页 |
| 第三章 自发和人为表情的差异性分析 | 第31-41页 |
| ·自发和人为表情分析和区分方法 | 第31-34页 |
| ·特征提取 | 第31-33页 |
| ·显著性差异分析方法 | 第33-34页 |
| ·分类方法 | 第34页 |
| ·统计分析和识别实验 | 第34-39页 |
| ·实验条件 | 第34页 |
| ·假设检验分析结果和讨论 | 第34-38页 |
| ·自发和人为表情识别实验 | 第38-39页 |
| ·本章总结 | 第39-41页 |
| 第四章 基于空间模型的自发和人为表情识别 | 第41-51页 |
| ·自发和人为表情分析和区分方法 | 第41-44页 |
| ·数据预处理和特征提取 | 第41页 |
| ·几何特征的统计学分析 | 第41-43页 |
| ·自发和人为表情的贝叶斯网络建模 | 第43-44页 |
| ·实验和分析 | 第44-49页 |
| ·实验条件 | 第44-45页 |
| ·显著性差异特征分析 | 第45-47页 |
| ·自发和人为表情识别的实验结果 | 第47-48页 |
| ·与相关工作的比较 | 第48-49页 |
| ·本章总结 | 第49-51页 |
| 第五章 基于贝叶斯网络的特权信息的学习方法 | 第51-59页 |
| ·三结点贝叶斯网络 | 第51-56页 |
| ·Λ字形BN模型和从x连向x~(★)的三角形BN模型 | 第52页 |
| ·从x~(★)连向x的三角形BN模型 | 第52-55页 |
| ·V字形BN结构 | 第55-56页 |
| ·自发和人为表情识别实验 | 第56-57页 |
| ·实验条件和特征提取 | 第57页 |
| ·实验结果和分析 | 第57页 |
| ·本章总结 | 第57-59页 |
| 第六章 总结与展望 | 第59-61页 |
| ·本文总结 | 第59-60页 |
| ·未来工作展望 | 第60-61页 |
| 参考文献 | 第61-67页 |
| 致谢 | 第67-69页 |
| 在读期间发表的学术论文与取得的研究成果 | 第69-70页 |