随着信息科技的不断发展以及大数据时代的逐步推进,人脸识别技术作为近些年较为火热的研究方向,结合了机器学习、模式识别、深度学习等热门学科,获得各界科研工作者的重点关注。目前,我们的生活中用到人脸识别的场景有很多,其识别算法更是不胜枚举,各有所长。其中,以神经网络为代表的人脸识别算法凭借优良的性能应用广泛,并取得了显著的成效。而小波神经网络作为其中一种,因其具有良好小波分析知识的支撑,更是获得了科研界的认可。本论文聚焦于小波神经网络的人脸识别算法研究,并从特征提取、分类辨识、集成学习、参数优化等多个角度来考虑,进行融合与创新。从而提供更好的特征学习与识别能力,最终获得更好的结果。首先,论文的第一章先对本文所研究内容的背景等进行了简单概述,接着从神经网络及人脸识别两方面入手,介绍了其发展基础、应用及研究现状。进而分析并讨论了在现阶段人脸识别技术面临的问题与挑战,并给出了内容的章节安排。随后,论文的第二章主要是基于小波神经网络的人脸方向识别研究。由于小波网络有一定的小波分析知识的支撑且在图像处理方面有着广泛的应用,因此,我们采用了小波网络作为分类器进行识别,并对网络的隐含层进行了简单的改进与创新,采用了其他不同的几种方法进行了对比分析,最终结果也证明了小波网络的优势所在。接着,论文的第三章给出了一种基于集成学习的人脸识别方法。考虑到单一的特征提取与识别方式中存在着提取特征不完备与辨识结果不准确的问题,因此,我们结合多种特征提取和分类集成技术,通过构造多视图的方式,并在决策级结合投票集成的思想,提出一种基于集成学习的识别方法。接下来,论文的第四章提出了一种基于特征融合及LM算法的模糊小波网络并应用于人脸情绪识别中。在特征提取阶段,从人脸图像的时域和频域两个方面分别提取特征并加以整合,以得到更完善的数据信息。在训练识别阶段,将小波网络嵌入到模糊网络中以此来构成模糊小波网络进行分类,并通过优化分类器来提升模型的最终辨识效率与准确性。最后,论文的第五章对于本文中的内容进行了总结及展望。