声明
摘要
主要符号对照表
第一章 绪论
1.1 研究背景
1.2 性别分类研究现状
1.2.1 基于性别分类的特征方法
1.2.2 模式分类方法
1.3 最小最大模块化网络
1.3.1 最小最大模块化多层感知器
1.3.2 最小最大模块化支持向量机
1.4 论文安排
第二章 基于人脸特征的性别分类
2.1 引言
2.2 人脸图像预处理
2.2.1 图像灰度化
2.2.2 人脸检测及眼睛定位
2.2.3 几何归一化
2.2.4 直方图均衡化
2.3 基于高斯金字塔的多分辨率分析
2.3.1 高斯滤波器
2.3.2 高斯金字塔
2.4 多尺度多方向Gabor滤波器
2.4.1 傅立叶变换
2.4.2 Gabor变换
2.4.3 Gabor滤波器
2.5 灰度特征
2.6 SIFT特征
2.7 局部二值模式特征
2.8 局部Gabor二值模式特征
2.9 多分辨率局部Gabor二值模式特征
2.10 高维特征的降维方法
2.10.1 基于线性判别分析降维的MLGBP
2.10.2 基于中心连接线降维的MLGBP
2.11 性别分类实验
2.11.1 实验设置
2.11.2 实验结果及分析
2.12 本章小结
第三章 融合人脸与头发特征的性别分类
3.1 引言
3.2 特征提取
3.2.1 头发特征提取
3.2.2 人脸特征提取
3.3 基于支持向量机的模糊积分融合
3.3.1 基于支持向量机的概率输出模型
3.3.2 模糊积分理论
3.3.3 支持向量机分类器的融合模型
3.4 实验
3.4.1 实验数据厍
3.4.2 基于支持向量机的模糊积分融合实验结果
3.4.3 性别分类结果
3.5 本章小结
第四章 解码先验知识的模式分类器
4.1 引言
4.2 带有信用值的支持向量机
4.2.1 传统的支持向量机
4.2.2 嵌入信用值到SVM学习算法中
4.3 实验
4.3.1 性别分类
4.3.2 特征提取
4.3.3 实验设置
4.3.4 实验结果及分析
4.4 本章小结
第五章 带有自动估计先验知识的支持向量机
5.1 引言
5.2 带有自动估计信用值的支持向量机
5.2.1 标记信用值算法
5.2.2 典型买例分析
5.3 实验
5.3.1 标准模式分类问题
5.3.2 性别分类
5.4 本章小结
第六章 基于自动估计先验知识的最小最大模块化支持向量机
6.1 引言
6.2 最小最大模块化网络
6.3 任务分解方法
6.4 带有自动信用值的最小最大模块化支持向量机
6.5 实验
6.5.1 实验设置
6.5.2 特征提取
6.5.3 实验结果
6.5.4 M3-SVM与M3-SVMAC的复杂度分析
6.5.5 时间复杂度
6.5.6 空间复杂度
6.6 本章小结
第七章 总结与展望
7.1 本文的主要贡献
7.2 进一步的研究工作
参考文献
致谢
个人简历、在学期间的研究成果及发表的论文