毕业设计研究了基于最优传输理论的领域自适应原理、算法及其在表情识别中的应用。论文涉及最优传输理论及其离散数值算法，领域自适应原理及其相关数值求解算法，三维人脸表情识别背景及其分类流程及算法。论文工作量饱满，结构安排合理，数值实验提升明显，具有一定的创新性。

本文首先介绍了最优传输问题的发展历史、离散化形式、正则化模型及其求解算法。之后，本文综述了现有领域自适应方法的主要思想，并详细介绍了基于最优传输理论的领域自适应方法，其主要想法是通过一个最优传输映射将源域中带标签的样本点映射到目标域中，使之与目标域中测试样本的分布尽可能相同。从而，使得事先在源域中表现良好的分类器在目标域中也有不错的表现。最后，本文将基于最优传输理论的领域自适应方法应用到三维人脸表情识别问题中。分别采用DF-CNN特征、Gabor特征和vgg-net-m-full7特征，并选取1NN作为分类器，比较了1NN、OT-IT、OT-gl 、OT-和GFK等方法的识别效果。在BU-3DFE三维人脸数据库上，数值实验结果表明，基于最优传输理论的领域自适应方法效果明显。特别地，DF-CNN-1NN方法分类准确率为81.79%，而DF-CNN- OT-方法分类准确率高达87.90%。

主要内容和贡献

本文主要研究了基于最优传输理论的领域自适应模型、算法及应用，全文共五个章节。第一章介绍最优传输理论和领域自适应的相关背景，并阐述三维人脸表情识别问题的重要研究意义。第二章介绍最优传输问题的发展历史与离散形式，为降低计算复杂度，引入了熵正则化模型。第三章给出领域自适应问题相关概念及问题描述，对已有的求解方法思想做了归纳总结，即基于样本的方法、基于特征投影的方法和基于分类器迭代的方法，并着重介绍其中两种方法：基于测地流的核方法和基于最优传输理论的领域自适应方法。第四章将研究基于最优传输理论领域自适应方法的三维人脸表情识别问题，并通过数值实验比较该方法与其它方法的优劣。第五章给出本文的主要结论及展望。

本文的主要贡献在于使用基于最优传输理论领域自适应方法来研究三维人脸表情识别问题，数值实验表明该方法在BU-3DFE数据库上表现优异，识别准确率较1NN方法有很大程度提高。该方法在人脸表情识别上的成功应用，一定程度上说明其求解领域自适应问题的有效性，有望在其余领域自适应问题上发挥作用。另外，从数值实验结果看，不同的三维人脸表情特征表示对识别准确率影响较大，这说明三维人脸表情识别问题中的特征选择至关重要，特征的好坏会直接影响到识别准确率的高低。

结论

本文主要研究了基于最优传输理论的领域自适应方法，并将该方法应用到人脸表情识别问题上。基于三维人脸数据库BU-3DFE，本文分别采用DF-CNN、Gabor、vgg-net-m-full7这三种特征进行数值实验，在选择最优参数的条件下，比较了1NN、OT-IT、OT-gl 、OT-、GFK等方法的识别效果。从实验结果看，OMT方法在基于BU-3DFE Subset I的DF-CNN特征、基于BU-3DFE Subset II的Gabor特征和基于BU-3DFE Subset II的vgg-net-m-full7特征上面表现优异，较1NN方法有明显提高，而在基于BU-3DFE Subset II的DF-CNN特征上面只有些许提高（），这说明基于最优传输理论的领域自适应方法可以较好解决三维人脸表情识别问题，同时也反映特征提取方法对三维人脸表情识别问题至关重要。