1. 1. 毕业设计（论文）的内容、要求、设计方案、规划等
人脸识别是当前模式识别和图像处理领域的研究热点，属于生物鉴别技术(Biometrics)的一部分。人脸识别一般分为人脸检测、特征抽取和模式分类三个部分。人脸识别中常遇到的问题是样本维数高、类别数大以及每人只能提供少量的训练样本。针对这些问题该文进行了研究。
针对fisher鉴别分析，在训练样本较小时，向量形式的人脸识别是高维小样本问题，可以用奇异值分解定理减少计算量。可是由于人数众多，人脸识别并不是小样本问题。在类别较大的情况下如何有效地抽取特征是人脸识别的首要问题。一维、二维fisher鉴别分析利用表示图像的矩阵直接抽取特征，计算量主要与图像的大小有关，能适用于大类别的人脸识别。针对二维投影抽取出的特征是矩阵，存在特征之间的冗余度大、特征数量多、不利于存储和分类等弱点。该课题通过两种办法进一步降低二维投影抽取出的特征数量。一是利用两次二维投影进行双向压缩，在横向压缩后，对矩阵转置后在纵向再压缩一次；另一种是对二维投影后的样本再作一次向量形式的特征提取。
2. 参考文献（不低于12篇）
1.Y. Z. Li, J.Y. Yang An Effcient Feature Extraction Method Based on Kernel Maximum Margin CriterionProceedings of the 3rd International Conference on Impulsive Dynamic Systems and Applications, 2006, PP: 1254-1258 (SCI index)
2.Y. Z. Li, J.Y. Yang An Efficient Method of Nonlinear Feature Extraction Based on SVM IEEE Proceedings of the 9th International Conference on Control, Automation, Robotics and Vision, Singapore, 2006, PP:216-221 (EI index: 073110719302)
3.Y. Z. Li, J. Y. Yang A Novel Supervised Feature Extraction Method by KPCA and Its Application Proceedings of the 4th International Conference on Impulsive and Hybrid Dynamical Systems, 2007, PP:2650-2655
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
