版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、特征提取是圖像識(shí)別問題中最重要的任務(wù)之一,在人臉識(shí)別應(yīng)用中,如何去除鑒別特征的冗余顯得非常有意義。為了更好的去除鑒別特征的冗余,本文重新設(shè)計(jì)一種總體散布矩陣,提出了一種基于Fisher線性鑒別分析的統(tǒng)計(jì)不相關(guān)約束人臉識(shí)別方法。該方法在改良的統(tǒng)計(jì)不相關(guān)約束的基礎(chǔ)上通過最大化Fisher準(zhǔn)則,迭代的求解出最優(yōu)的鑒別向量集?;谶@個(gè)理論,我們又進(jìn)行了核拓展,最后利用二維鑒別的思想,進(jìn)一步的改進(jìn)了我們的算法。
我們首先提出了一種基于局
2、部的統(tǒng)計(jì)不相關(guān)鑒別變換(LUDT)。LUDT通過重新定義每個(gè)樣本的期望來構(gòu)建總體散布矩陣,即用樣本的近鄰中心來替代全局中心,同時(shí)構(gòu)建出改良的統(tǒng)計(jì)不相關(guān)約束。然后提出了一種基于全局加權(quán)的統(tǒng)計(jì)不相關(guān)鑒別變換(WGUDT),WGUDT重新定義每個(gè)樣本的期望來構(gòu)建總體散布矩陣,即用樣本間的歐幾里得距離加權(quán)來構(gòu)建期望,在新的散布矩陣基礎(chǔ)上構(gòu)建出另外一種改良的不相關(guān)約束。我們提出的這兩種基本方法都有效地去除了鑒別特征的冗余。
在改進(jìn)的總體
3、散布矩陣的基礎(chǔ)上,我們提出了一種基于局部和全局加權(quán)的核統(tǒng)計(jì)不相關(guān)鑒別變換,該方法在核統(tǒng)計(jì)不相關(guān)約束的基礎(chǔ)上迭代求解鑒別向量集。利用二維鑒別的想法,提出了一種基于局部和全局加權(quán)的二維統(tǒng)計(jì)不相關(guān)二維鑒別變換,該方法在二維統(tǒng)計(jì)不相關(guān)約束的基礎(chǔ)上迭代地求解出鑒別向量集。因?yàn)橹苯佑?jì)算散布矩陣而不需要對(duì)圖像矩陣列向量,不僅避免了散布矩陣奇異問題,同時(shí)也提高了識(shí)別的速度。
在改進(jìn)的總體散布矩陣的基礎(chǔ)上,我們提出了一種基于局部和全局加權(quán)統(tǒng)計(jì)不
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于統(tǒng)計(jì)不相關(guān)最佳鑒別變換的人臉識(shí)別研究.pdf
- 基于加權(quán)Fisher準(zhǔn)則的統(tǒng)計(jì)不相關(guān)圖像識(shí)別算法.pdf
- 基于小波變換人臉識(shí)別的算法研究.pdf
- 基于加權(quán)鑒別張量準(zhǔn)則的人臉識(shí)別算法研究.pdf
- 頻域分析技術(shù)和基于統(tǒng)計(jì)不相關(guān)的Fisherface方法的研究.pdf
- 基于局部和全局特征融合的人臉識(shí)別研究.pdf
- 基于小波變換人臉識(shí)別方法研究.pdf
- 基于全局結(jié)構(gòu)和局部統(tǒng)計(jì)特征的人臉識(shí)別方法研究.pdf
- 基于全局加權(quán)稀疏表示的Gabor特征人臉識(shí)別.pdf
- 基于全局與局部特征融合的人臉識(shí)別.pdf
- 基于小波變換的局部PCA人臉識(shí)別研究.pdf
- 基于統(tǒng)計(jì)的人臉識(shí)別算法研究.pdf
- 基于加權(quán)小波分解和Fisherfaces的人臉識(shí)別算法研究.pdf
- 基于加權(quán)小波分解的人臉識(shí)別的人臉識(shí)別算法研究.pdf
- 基于Gabor變換的人臉識(shí)別算法的研究.pdf
- 全局與局部特征融合的人臉識(shí)別研究.pdf
- 基于小波變換的加權(quán)人臉識(shí)別方法的研究.pdf
- 融合全局和局部特征的人臉識(shí)別.pdf
- 基于小波變換人臉圖像融合方法研究.pdf
- 基于加權(quán)小波分解的人臉識(shí)別算法研究.pdf
評(píng)論
0/150
提交評(píng)論