文摘
英文文摘
声明
第一章绪论
1.1引言
1.2人脸识别研究内容
1.3人脸识别系统评价标准
1.4人脸识别中的子空间分析方法
1.5人脸识别中的维数危机及其它问题
1.6论文的出发点和主要工作
1.6.1论文的出发点
1.6.2论文的主要工作
1.7论文组织结构
第二章子空间方法分析
2.1图像空间和人脸空间
2.2主分量分析PCA
2.2.1人脸识别中的PCA算法
2.2.2 PCA与特征脸
2.3线性判别分析LDA
2.3.1 LDA原理
2.3.2 LDA存在的问题
2.4几种改进的LDA算法
2.4.1 PCA+LDA
2.4.2先对角化Sw方法
2.4.3直接LDA
2.4.4非参数判别分析NDA
2.4.5正则化LDA
2.4.6其它改进的LDA算法
2.5本章小结
第三章基于集成学习和子空间投影的最小化训练误差特征提取算法
3.1 Bagging和Boosting
3.2 Bagging算法
3.2.1 Bagging算法描述
3.2.2 Bagging算法的理论分析
3.3 AdaBoost系列算法
3.4 AdaBoost算法训练误差分析
3.5 AdaBoost算法泛化误差分析
3.6基于提升自举FLD投影(BBFP)的特征提取算法
3.6.1算法概述
3.6.2算法描述
3.6.3实验结果
3.7本章小结
第四章基于提升自举FLD投影子空间的特征提取算法
4.1引言
4.2 AdaBoost.M1算法和AdaBoost.M2算法
4.2.1 AdaBoost.Ml
4.2.2 AdaBoost.M2
4.4基于提升自举FLD投影子空间(BBFS)的特征提取算法
4.4.1生成自举训练子集
4.4.2产生自举投影子空间
4.4.3利用Boosting算法产生强分类器
4.5实验结果一
4.5.1实验数据
4.5.2实验规则
4.5.3实验结果
4.6实验结果二
4.6.1实验数据
4.6.2实验规则
4.6.3实验结果
4.7本章小结
第五章总结与展望
5.1总结
5.2展望
致谢
在读期间发表的学术论文与取得的研究成果
参考文献
作者简介