封面
声明
中文摘要
英文摘要
缩略名词索引
目录
第一章 绪论
1.1 人脸识别研究意义和发展概况
1.2 独立成分分析模型
1.3 实验常用人脸库介绍
1.4 本文研究内容与章节安排
第二章 分类算法和ICA预处理算法
2.1 KNN分类器
2.2 支持向量机
2.3 常用距离或者相似度度量
2.4 小波变换
2.5 主成分分析PCA
2.6 PCA定义的白化矩阵
2.7实验一:离散小波变换的作用
2.8 本章小结
第三章 独立分析模型预备知识
3.1 中心极限定理
3.2 非高斯就是独立的
3.3 非高斯性的衡量
3.4实验二:峭度对非高斯性的衡量
3.5 本章小结
第四章 独立成分分析模型和求解算法
4.1 ICA模型的基本思想
4.2 ICA模型的基本统计假设和不确定性
4.3 基于负熵的FastICA算法
4.4 本章小结
第五章 ICA模型的两种结构和特征融合
5.1 结构I:ICA1统计独立的基人脸
5.2 结构II:ICA2因子表示
5.3 实验三:独立“基人脸”和因子表示
5.4 ICA两种结构的特征融合
5.5 实验四:串行和并行特征融合
5.6 本章小结
第六章 ICA和分类器
6.1 实验五:分类器的识别效果
6.2 实验六:ICA并行特征融合与SVM分类器
第七章 工作总结与展望
致谢
参考文献