|
|
|
|
人脸识别中基于流形学习的特征提取方法研究 |
| |
| 论文目录 |
| |
| 摘要 | 第1-9页 | | Abstract | 第9-11页 | | 1 绪论 | 第11-20页 | | ·人脸识别背景和意义 | 第11-12页 | | ·人脸识别的研究现状 | 第12-13页 | | ·人脸识别的关键问题 | 第13-14页 | | ·人脸图像特征提取方法 | 第14-17页 | | ·引言 | 第14-15页 | | ·人脸图像特征提取方法 | 第15-17页 | | ·人脸识别的难点 | 第17页 | | ·本文主要工作概述 | 第17-18页 | | ·本文内容安排 | 第18-20页 | | 2 子空间分析方法 | 第20-42页 | | ·引言 | 第20页 | | ·子空间分析方法 | 第20-32页 | | ·线性子空间分析方法 | 第20-25页 | | ·基于核技术的非线性子空间分析方法 | 第25-32页 | | ·基于流形学习的非线性子空间分析方法 | 第32页 | | ·流形学习方法 | 第32-40页 | | ·流形学习中的一些数学定义 | 第32-34页 | | ·等距映射(Isometric Mapping) | 第34-36页 | | ·局部线性嵌入(Locally Linear Embedding，LLE) | 第36-38页 | | ·拉普拉斯特征映射(Laplacian Eigenmaps，简称 LE) | 第38-40页 | | ·流形学习中存在的问题 | 第40页 | | ·本章小结 | 第40-42页 | | 3 自适应邻域选择的局部判别投影方法 | 第42-52页 | | ·引言 | 第42页 | | ·相关算法 | 第42-46页 | | ·线性判别分析算法(LDA) | 第42-43页 | | ·局部保持投影算法(Locality Preserving Projection，LPP) | 第43-44页 | | ·局部 Fisher 判别分析算法(LFDA) | 第44-45页 | | ·边界 Fisher 判别分析算法(MFA) | 第45-46页 | | ·自适应邻域选择的局部判别投影方法 | 第46-48页 | | ·自适应邻域选择算法 | 第46-47页 | | ·自适应邻域选择的局部判别投影方法 | 第47-48页 | | ·人脸识别实验 | 第48-51页 | | ·ORL 库的实验 | 第48-49页 | | ·YALE 库的实验 | 第49-50页 | | ·实验分析 | 第50-51页 | | ·小结 | 第51-52页 | | 4 基于张量的半监督判别分析方法 | 第52-62页 | | ·引言 | 第52-53页 | | ·相关概念 | 第53-55页 | | ·半监督学习算法 | 第53-54页 | | ·SDA 算法 | 第54-55页 | | ·基于张量的半监督判别分析方法 | 第55-57页 | | ·人脸识别实验 | 第57-60页 | | ·PIE 人脸库的实验 | 第58-59页 | | ·FERET 人脸库的实验 | 第59-60页 | | ·实验分析 | 第60页 | | ·小结 | 第60-62页 | | 5 基于鲁棒路径的散度差鉴别投影方法 | 第62-71页 | | ·引言 | 第62页 | | ·相关概念 | 第62-65页 | | ·基于鲁棒路径相似度度量 | 第62-63页 | | ·无监督鉴别投影(UDP) | 第63-65页 | | ·基于鲁棒路径的散度差鉴别投影方法 | 第65-67页 | | ·基于鲁棒路径的散度差鉴别投影方法 | 第65-66页 | | ·基于鲁棒路径的散度差鉴别投影算法描述 | 第66-67页 | | ·人脸识别实验 | 第67-69页 | | ·AR 库的实验 | 第67-68页 | | ·ORL 人脸库的实验 | 第68-69页 | | ·实验分析 | 第69页 | | ·小结 | 第69-71页 | | 6 总结与展望 | 第71-73页 | | ·研究总结 | 第71-72页 | | ·未来工作展望 | 第72-73页 | | 参考文献 | 第73-76页 | | 攻读学位期间所发表的学术论文 | 第76-77页 | | 致谢 | 第77页 |
|
|
|
|
论文编号BS2106149，这篇论文共77页
会员购买按0.35元/页下载，共需支付26.95元。 直接购买按0.5元/页下载，共需要支付38.5元 。 |
 |
 |
我还不是会员，注册会员！
会员下载更优惠!充值送钱！ |
我只需要这篇，无需注册！
直接网上支付，方便快捷！ |
|
|
|
版权申明：本目录由www.jylw.com网站制作，本站并未收录原文，如果您是作者，需要删除本篇论文目录请通过QQ或其它联系方式告知我们，我们承诺24小时内删除。 |
|
|
广告服务