掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
基于張量分解理論的三維人臉表情識別算法研究 版權信息
- ISBN：9787571710897
- 條形碼：9787571710897 ; 978-7-5717-1089-7
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
基于張量分解理論的三維人臉表情識別算法研究 內容簡介
本書首次提出了基于張量稀疏低秩分解的三維人臉表情識別理論框架。其中，張量建模思想與稀疏低秩張量分解技術，屬于三維人臉表情識別方法論上的一個新技術。另外，高效求解這一稀疏低秩張量優化模型，設計快速穩健優化算法，需要深入分析相應的高階張量優化理論，其研究結果將豐富在三維人臉表情識別中的大規模優化理論的研究內容與*優化理論。 全書共分為六章，**章主要介紹所研究的課題的背景與意義、人臉表情識別研究的發展歷史，重點對國內外研究現狀進行了介紹，對三維人臉表情特征提取方法進行總結與分析。第二章基礎知識部分，為后面的主體章節做鋪墊。主要介紹了張量理論和張量子空間模型及張量低秩表示理論、流形學習和基于張量學習的圖嵌入框架。第三章提出了一種基于低秩張量完備性（FERLrTC）的張量分解算法，并運用于2D+3D人臉表情識別。第四章提出了一種基于先驗信息（OTDFPFER）的正交張量補全算法，并運用于2D+3D人臉表情識別。同時對復雜度與收斂性進行了分析。第五章提出了兩種正交張量分解算法，并運用于2D+3D人臉表情識別。第六章主要對所做的工作進行總結并對未來的工作進行展望。
基于張量分解理論的三維人臉表情識別算法研究 目錄
常用符號
1 緒論
1.1 課題背景和意義
1.2 人臉表情識別研究的發展歷史
1.3 國內外研究現狀
1.3.1 三維人臉表情特征提取方法綜述
1.3.2 三維人臉表情特征提取方法總結與分析
1.3.3 三維人臉表情常用分類方法
1.3.4 常用三維人臉表情數據庫
1.4 研究內容與研究方法
1.5 本章小結
2 張量理論與流形學習
2.1 張量理論
2.1.1 張量
2.1.2 張量代數
2.1.3 張量分解理論
2.1.4 基于Tucker分解的降維算法
2.1.5 張量子空間模型
2.1.6 張量低秩表示
2.2 流形學習與圖嵌入框架
2.2.1 流形與流形學習
2.2.2 基于張量學習的圖嵌入框架
2.3 本章小結
3 基于低秩張量完備性的張量分解
3.1 引言
3.2 算法背景
3.2.1 張量低秩表示
3.2.2 張量稀疏表示
3.3 算法介紹
3.4 FERLrTC算法的模型優化及求解
3.4.1 低秩張量完備性的優化模型的建立
3.4.2 低秩張量完備性的優化模型的求解
3.4.3 秩降低策略
3.5 FERLrTC算法的分析
3.5.1 FERLrTC算法的復雜度
3.5.2 FERLrTC算法的收斂性
3.6 FERLrTC算法的實驗評價
3.6.1 實驗環境與實驗步驟
3.6.2 實施細節
3.6.3 在BU-3DF數據庫上的實驗結果
3.6.4 在Bosptlorus數據庫上的實驗結果
3.6.5 合成數據對FERLrTC算法的驗證
3.7 對FERLrTC算法的討論
3.7.1 基于特征融合的4D張量模型的有效性
3.7.2 特征描述符的選擇
3.7.3 秩降低策略的有效性
3.8 本章小結
4 基于先驗信息的正交張量補全
4.1 引言
4.2 算法背景
4.2.1 正交的Tucker分解
4.2.2 圖嵌入正則化框架
4.3 算法介紹
4.4 OTDFPFER算法的模型優化及求解
4.4.1 OTDFPFER算法的優化模型的建立
4.4.2 OTDFPFER算法的優化模型的求解
4.5 OTDFPFER算法的分析
4.5.1 OTDFPFER算法的復雜度
4.5.2 OTDFPFER算法的收斂性
4.6 OTDFPFER算法的實驗評價
4.6.1 實驗設計
4.6.2 在BU-3DFE數據庫上的實驗結果
4.6.3 在Bospklorus數據庫上的實驗結果
4.7 本章小結
5 正交張量Tucker分解算法
5.1 正交低秩Tucker分解算法
5.1.1 引言
5.1.2 算法背景
5.1.3 OLRTDFER算法的優化模型及其求解過程
5.1.4 OLRTDFER算法的實驗評價
5.2 稀疏正交Tucker分解算法
5.2.1 引言
5.2.2 張量稀疏表示
5.2.3 SOTDFER算法的優化模型及其求解過程
5.2.4 SOTDFER算法的實驗評價
5.3 本章小結
6 結論
6.1 前期工作總結
6.2 未來工作的展望
參考文獻
1 緒論
1.1 課題背景和意義
1.2 人臉表情識別研究的發展歷史
1.3 國內外研究現狀
1.3.1 三維人臉表情特征提取方法綜述
1.3.2 三維人臉表情特征提取方法總結與分析
1.3.3 三維人臉表情常用分類方法
1.3.4 常用三維人臉表情數據庫
1.4 研究內容與研究方法
1.5 本章小結
2 張量理論與流形學習
2.1 張量理論
2.1.1 張量
2.1.2 張量代數
2.1.3 張量分解理論
2.1.4 基于Tucker分解的降維算法
2.1.5 張量子空間模型
2.1.6 張量低秩表示
2.2 流形學習與圖嵌入框架
2.2.1 流形與流形學習
2.2.2 基于張量學習的圖嵌入框架
2.3 本章小結
3 基于低秩張量完備性的張量分解
3.1 引言
3.2 算法背景
3.2.1 張量低秩表示
3.2.2 張量稀疏表示
3.3 算法介紹
3.4 FERLrTC算法的模型優化及求解
3.4.1 低秩張量完備性的優化模型的建立
3.4.2 低秩張量完備性的優化模型的求解
3.4.3 秩降低策略
3.5 FERLrTC算法的分析
3.5.1 FERLrTC算法的復雜度
3.5.2 FERLrTC算法的收斂性
3.6 FERLrTC算法的實驗評價
3.6.1 實驗環境與實驗步驟
3.6.2 實施細節
3.6.3 在BU-3DF數據庫上的實驗結果
3.6.4 在Bosptlorus數據庫上的實驗結果
3.6.5 合成數據對FERLrTC算法的驗證
3.7 對FERLrTC算法的討論
3.7.1 基于特征融合的4D張量模型的有效性
3.7.2 特征描述符的選擇
3.7.3 秩降低策略的有效性
3.8 本章小結
4 基于先驗信息的正交張量補全
4.1 引言
4.2 算法背景
4.2.1 正交的Tucker分解
4.2.2 圖嵌入正則化框架
4.3 算法介紹
4.4 OTDFPFER算法的模型優化及求解
4.4.1 OTDFPFER算法的優化模型的建立
4.4.2 OTDFPFER算法的優化模型的求解
4.5 OTDFPFER算法的分析
4.5.1 OTDFPFER算法的復雜度
4.5.2 OTDFPFER算法的收斂性
4.6 OTDFPFER算法的實驗評價
4.6.1 實驗設計
4.6.2 在BU-3DFE數據庫上的實驗結果
4.6.3 在Bospklorus數據庫上的實驗結果
4.7 本章小結
5 正交張量Tucker分解算法
5.1 正交低秩Tucker分解算法
5.1.1 引言
5.1.2 算法背景
5.1.3 OLRTDFER算法的優化模型及其求解過程
5.1.4 OLRTDFER算法的實驗評價
5.2 稀疏正交Tucker分解算法
5.2.1 引言
5.2.2 張量稀疏表示
5.2.3 SOTDFER算法的優化模型及其求解過程
5.2.4 SOTDFER算法的實驗評價
5.3 本章小結
6 結論
6.1 前期工作總結
6.2 未來工作的展望
參考文獻
展開全部
書友推薦
- >
我與地壇
- >
朝聞道
- >
龍榆生：詞曲概論/大家小書
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
羅曼·羅蘭讀書隨筆-精裝
- >
唐代進士錄
- >
伯納黛特,你要去哪(2021新版)
- >
推拿
本類暢銷
