声明
摘要
文中常见缩写及符号说明
第1章 绪论
1.1 课题背景及意义
1.2 国内外现状
1.2.1 回归分类算法
1.2.2 基于l1和l2范数正则化的子空间方法
1.3 研究的主要内容
1.4 论文结构安捧
第2章 基于类别稀疏和人工蜂群算法的人脸识别
2.1 基于l1范数正则化的稀疏表示分类
2.2 基于l1和l2范数正则化的组稀琉
2.2.1 Elastic Net回归
2.2.2 Group LASSO回归
2.3 基于l1和无穷范数的类别稀疏
2.3.1 算法的提出
2.3.2 改进的人工蜂群算法及问题优化
2.4 实验验证
2.4.1 人脸数据库介绍
2.4.2 CSRC的作用
2.4.3 实验结果
2.5 总结
第3章 自适应的最近邻Tikhonov正则化子空间其人脸识别
3.1 一种最近邻子空间分类器—LRC
3.2 最近邻正则化子空间
3.2.1 l2正划化
3.2.2 欧式距离权重Tikhonov正则化
3.2.3 LDA投影距离权重Tikhonov正则化
3.3 各分类器对比分析
3.3.1 光照鲁棒性
3.3.2 姿态鲁棒性
3.4 自适应的量近邻正则化分类器
3.4.1 算法的提出
3.4.2 实验验证
3.5 总结
第4章 基于分块2DPCR的人脸识别
4.1 线性回归分类的改进算法
4.1.1 岭回归
4.1.2 PCR
4.2 二维主成分分析
4.3 分块的二维主成分回归
4.3.1 分块2DPCR
4.3.2.模糊相似优先比决策
4.3.3 基于模糊决策的分块2DPCR算法步骤
4.4 实验验证
4.4.1 Yale B人脸数据库
4.4.2 CMU-PIE人脸数据库
4.4.3 FERET人脸数据库
4.4.4 AR人脸数据库
4.4.5 实验结果分析
4.5 总结
第5章 基于LRR的鉴别特征提取方法的人脸识别
5.1 线性图嵌入算法
5.2 稀琉保持投影和协同表示投影
5.2.1 SPP
5.2.1 CRP
5.3 基于低秩表示的鉴别特征提取
5.3.1 低秩表示
5.3.2 算法的提出
5.4 实验验证
5.4.1 Extended Yale B人脸数据库
5.4.2 AR人脸数据库
5.4.3 FERET人脸数据库
5.5 总结
第6章 总结与展望
6.1 总结
6.2 未解决的问题和以后工作展望
参考文献
致谢
攻读硕士学位期间的主要研究成果