文档介绍：名:⑽关于论文使用授权的说明本学位论文作者完全了解江南大学有关保留,使用学位论文的规定:江南大学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,,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,,:∥易,,.么。期:签导师签名:日
摘要人脸的研究是跨越人文科学与自然科学的新兴交叉研究领域,在最近几年得到了模式识别领域众多学者的重视,也取得了良好的研究成果。针对人脸这种生物特征的识别,在其过程中最为重要的一个环节是特征的提取,更好的提取出人脸的特征,将会使得识别更有有效和准确,提高分类的同时,也是的识别率有良好的提高。目前的人脸识别研究主要有两个方向:其一是基于整体的研究方法,它考虑了模式的整体属性;其二是基于特征分析的方法。本文是针对特征分析方法中子空间算法中的流行学习算法探讨学习,主要工作体现在以下几方面:诩坛蠰>滞队算法主要思想的前提下,对二维惴ń懈进,先求得样本行方向的投影矩阵,再将得到的新的矩阵做为新样本进行列方向的投影,进而得到图像的双向特征矩阵,以达到对样本降维的目的,此方法在有效提取人脸局部特征的同时,也降低了算法所需要时间,实验结果证明该方法对光照和姿态的变化具有一定的鲁棒性和较高的识别率。>滞队八惴ㄔ诮虾醚扒笕肆逞镜木植肯嗨菩畔ⅲǘ杂谌肆痴庋纳特征个体来说,有些必要的差异信息有其个体差异性的,这样对于局部的差异信息的提取也显得非常有效,算法更好的做到了在保持相似性的同时又不忽略差异性,本文对算法进行分块研究,即先对样本图像进行分块,再对每个块做算法,实验结果表明该算法取得了良好的识别率。关键词:人脸识别,特征提取,二维保局投影算法,
猟,甦閏簅,,,,畁瑃,坨甀琲琲畉.:.籺.,甦琒瑃,:琭...Ⅱ
目录摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。第一章绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.研究背景与意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..人脸识别的发展⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⒄骨魇啤人脸识别存在的主要问题及未来研究方向⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯典型人脸库简介⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..本文的研究工作及结构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯本文小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第二章基于子空间人脸识别方法⋯⋯⋯⋯⋯⋯⋯⋯⋯。⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯人脸识别的基本流程⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..人脸识别中的子空间算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...!本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第三章流行学习算法在人脸识别中的应用⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯流形学习中的一些数学定义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯经典的流形学习方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.植肯咝郧度⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯。⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.第四章双向惴ḿ捌湓谌肆呈侗鹬械挠τ谩算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯双向二维保局投影算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..仿真实验及结果分析⋯⋯⋯⋯⋯⋯,..⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.笛⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.笛⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯
第五章有监督的分块二维局部相似与差异算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯机器学习问题⋯:⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯