基于子空间和流形学习的人脸识别算法研究【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

基于子空间和流形学习的人脸识别算法研究PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一章 绪论1

第一节 引言1

第二节 研究背景和意义1

第三节 人脸识别技术概述7

第四节 国内外研究现状17

第五节 问题的提出和本书的贡献18

第六节 本书的组织结构20

第二章 基于奇异值特征的人脸识别算法22

第一节 引言22

第二节 人脸图像的奇异值分解23

第三节 奇异值特征的性质23

第四节 基于奇异值特征和支持向量机的人脸识别算法26

第五节LIBSVM简介33

第六节 基于自适应加权和局部奇异值分解的人脸识别算法34

第七节 基于局部奇异值和证据理论的人脸识别算法39

第八节 本章小结46

第三章 基于PCA算法的人脸识别47

第一节 引言47

第二节 主成分分析（PCA）的原理48

第三节 基于类内平均脸的模块PCA人脸识别算法52

第四节 基于自适应加权平均值的模块2DPCA人脸识别算法57

第五节 本章小结64

第四章 改进的最大散度差鉴别分析算法65

第一节 引言65

第二节 最大散度差鉴别分析66

第三节 最大散度差鉴别分析的特点67

第四节 基于类内中间值的最大散度差鉴别分析算法67

第五节 加权最大散度差鉴别分析算法73

第六节 基于模糊决策和MSD的单样本人脸识别算法77

第七节 融合DCT和MSD的人脸识别算法80

第八节 基于单样本人脸识别算法的深化研究88

第九节 本章小结95

第五章 一种有监督保局投影人脸识别算法96

第一节 引言96

第二节 保局投影算法97

第三节 改进的保局投影人脸识别算法（一）98

第四节 改进的保局投影人脸识别算法（二）102

第五节 基于特征层融合的人脸识别算法107

第六节 本章小结112

第六章 简化的人脸Gabor特征描述算法113

第一节 引言113

第二节 关于小波变换113

第三节Gabor小波简介116

第四节 一种新的Gabor特征降维方法121

第五节 最优Gabor核选择算法126

第六节 基于模块Gabor直方图和支持向量机的人脸识别算法133

第七节 本章小结137

第七章 基于Gabor变换的人脸识别算法深化研究138

第一节 研究意义138

第二节 国内外研究现状及发展动态分析139

第三节 研究内容145

第四节 研究目标146

第五节 拟解决的关键问题147

第六节 拟采取的研究方法147

第七节 实验手段148

第八节 技术路线149

第八章 研究工作总结与展望150

第一节 研究工作总结150

第二节 研究工作展望152

第九章 人脸识别应用与发展趋势分析153

第一节 人脸识别技术应用的正能量154

第二节 人脸识别技术应用的负能量155

第三节 人脸识别技术应用市场分析158

第四节 人脸识别系统简介159

第五节 人脸识别技术的发展趋势161

参考文献165

附录181

附录一：部分人脸数据库样本181

附录二：部分仿真子函数（基于MATLAB）183

附录三：人脸识别技术的重要研究机构219