文档介绍：堑噩割邋重庆邮电大学硕士学位论文仆&曼曼堑坌堇河裥潜ほ遗驮矫盐簋扭廛用挂盎一~里鱼分类号英文题目硕士研究生指导教师学科专业论文提交日期论文答辩日期论文评阅人答辩委员会主席年月墨兰一一日一.
签字同期:年学位论文作者签名:\九学位做作者签名⑾芭杨密晡鱶签字日期:阩月刁日独创性声明学位论文版权使用授权书重废自&鱼态堂重庞邮电太堂重迭整电太堂本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。、使用学位论文的规定,有权保留并向国家有关部门或机构送交论文的复印件和磁盘,允许论文被查阅和借阅。本人授权可以将学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。C艿难宦畚脑诮饷芎笫视帽臼谌ㄊ导师签名:
觉、图像入式隐马影响时存取上,该方法首先提取人脸的卣鳎幼爬肈压缩使得相似特征得到聚合,最后利用直鹕秆〕鲎钅芄淮砣肆掣鞲銮虻腄系数。在识别方法上,该方法采用了嵌入式隐马尔科夫模型,并基于人脸的认知结构信息对嵌入式隐马尔可夫人脸结构模型进行了改进。对比实验结果表明,该方法识别率高,复杂度低,并具有较好的鲁棒性,易于在工程上应用。其次针对基于嵌入式隐马尔科夫模型的人脸识别方法中仅仅利用训练样本得到单一分类器的缺点,引入了集成学习算法对样本随机扰动,并且对算法进行了改进。首先我们通过对样本库加入随机噪声,提高学习方法的泛化能力。接着在该数据库的基础上,通过训练多个弱分类器构造出一个强分类器。训练过程中首先通过对训练集设置相等的权重,得到初始分类器。然后通过识别误差调节训练样本的权重,进而构建出新的训练集,如此重复,得到一个由多个弱分类器所组成的强分类器。最后通过加权投票的方法得到识别结果。实验证明,该方法识别率高,鲁棒性好。最后根据实际需要,利用本文所涉及的方法实现了相应的人脸识别系统。该系统基于与隐马尔可夫模型,通过对图像特征向量提取、模型参数训练和识别三个功能模块分别进行研究与分析的基础上,对系统的软件架构进行了设计,使得该系统具有清晰的功能,较好的性能,并且耦合度低。关键词:人脸识别;嵌入式隐马尔科夫模型;ū浠唬焕肷⒂嘞变换:集成学习;:摘要
,·琭琣,甀甌琣,..,,琣瓵,瓼琣...,瓵瑀.,,瓻.,琣甊,瓼,..,.,
重庆邮电大学硕十论文珽珿,,甌篎珼,珹.
目录第二章人脸识别基本原理与主要方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.基于几何特征的方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第一章前言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯选题背景及意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.人脸识别现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.本文主要研究内容⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯本文组织结构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.引言⋯.·⋯:⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..基于代数特征的方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⒎⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯基于卣骱虴娜肆呈侗稹引言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯隐马尔科夫模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯
~集成学习⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.惴ā人脸识别方法⋯⋯⋯⋯⋯⋯⋯⋯⋯.多分类器有效性验证⋯⋯⋯⋯⋯⋯⋯⋯⋯第五章人脸识别系统实现⋯⋯⋯⋯⋯.实验及分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..笛樯柚谩第四章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯集成人脸识别方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.引言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯