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),請進行舉報或認領(lǐng)
文檔簡介
1、近年來,人臉識別技術(shù)的發(fā)展受到人們的高度關(guān)注。因眾多學(xué)者的努力探索,該技術(shù)的發(fā)展越來越成熟了。歷經(jīng)50多年的研究,人們在人臉識別研究領(lǐng)域已經(jīng)取得許多成果。但是,由于化妝等因素影響人臉面部特征的提取,導(dǎo)致了人臉識別仍然存在許多問題。其中小樣本問題是人臉識別中核心問題之一,也是流形模式識別必須高度關(guān)注的。本文針對人臉識別中的小樣本問題及在識別過程中因計算特征矩陣復(fù)雜性問題展開深入研究,主要研究工作與創(chuàng)新點如下:
1、針對LPP算法
2、無法利用判別信息等缺點,提出判別局部保持投影(DLPP)算法,它已經(jīng)成功運用維數(shù)約簡技術(shù)在許多分類問題中。然而在計算過程中為了避免遭遇到小樣本問題,DLPP要進行降維,這樣會丟失有效的判別信息。直接線性判別分析(DLDA)算法通過不同對角化順序可以解決這個問題。啟發(fā)于DLDA算法,將DLDA引入到LPP中,提出了一種改進的LPP算法。因為DLDA算法保留了有效的判別信息,所以,改進的LPP算法識別效果優(yōu)于DLPP和LPP算法。
3、 2、根據(jù)上面的介紹知道,為了提高識別率和避免小樣本問題,提出了判別局部保持投影DLPP算法。但是,在計算過程中需要解決稠密矩陣特征分解問題。由于該算法消耗大量的時間和內(nèi)存,使得在數(shù)據(jù)集較大時,算法無法應(yīng)用。譜回歸判別分析(SRDA)算法可以有效的節(jié)省時間和內(nèi)存的消耗,同時譜回歸分析算法由于譜方法的運用而提高了識別率?;赟RDA,提出一個改進的局部保持投影LPP算法:譜回歸判別局部保持投影算法(SRDLPP)。在人臉庫上的實驗表明,本
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空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(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, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 人臉對稱特性在人臉識別算法中的應(yīng)用研究.pdf
- ICA算法在人臉表情識別中的應(yīng)用研究.pdf
- ica算法在人臉表情識別中的應(yīng)用研究
- 改進的PSO算法在人臉識別中的應(yīng)用研究.pdf
- 流形學(xué)習(xí)算法在人臉識別中的應(yīng)用研究.pdf
- 基于LPP算法的人臉識別技術(shù)研究.pdf
- 遺傳算法在PCA人臉識別算法中的應(yīng)用研究.pdf
- 基于LPP算法的人臉識別方法研究.pdf
- SpLPP在人臉識別中的應(yīng)用研究.pdf
- 改進的核函數(shù)算法及其在人臉識別中的應(yīng)用研究.pdf
- 流形學(xué)習(xí)算法在人臉識別中的應(yīng)用研究(1)
- 基于LPP算法的人臉識別系統(tǒng)的研究與實現(xiàn).pdf
- 人臉特征點定位算法及其在人臉識別的應(yīng)用研究.pdf
- 鑒別性流形學(xué)習(xí)算法在人臉識別中的應(yīng)用研究.pdf
- 子空間算法在人臉識別中的應(yīng)用.pdf
- 遺傳算法在人臉識別中的應(yīng)用.pdf
- 人臉識別技術(shù)在平安城市中的應(yīng)用研究.pdf
- 主元分析在人臉識別中的應(yīng)用研究.pdf
- 隨機采樣技術(shù)在人臉識別中的應(yīng)用研究.pdf
- 小波理論在人臉識別中的應(yīng)用研究.pdf
評論
0/150
提交評論