2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題（含答案詳解+作文范文）_第1頁(yè)
已閱讀1頁(yè)，還剩79頁(yè)未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明：本文檔由用戶(hù)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、在生物識(shí)別問(wèn)題中，特別是人臉識(shí)別領(lǐng)域，由于原始圖像的維數(shù)相當(dāng)高，直接在原始圖像的基礎(chǔ)上進(jìn)行處理，將加大算法的復(fù)雜度，并且對(duì)計(jì)算機(jī)的硬件性能也是一個(gè)挑戰(zhàn)，因此特征抽取成為該領(lǐng)域最基本的問(wèn)題之一，抽取有效的鑒別特征是解決該問(wèn)題的關(guān)鍵。特征抽取的基本思想是將原始樣本映射（或變換）到某一低維特征空間，得到最能反映樣本本質(zhì)的低維樣本特征，這樣能有效地減少樣本的存儲(chǔ)量和處理速度，實(shí)現(xiàn)人臉的自動(dòng)分類(lèi)。 到目前為止，人們已給出了許多線性特征抽取

2、方法，如主成分分析（Principal Component Analysis，PCA或稱(chēng)K-L變換），F(xiàn)isher線性鑒別分析（Linear Discriminant Analysis，LDA），獨(dú)立成分分析（Independent Component Analysis，ICA）是特征抽取的幾種經(jīng)典和廣泛使用的方法。 本文研究工作主要如下： （1）在二維主成分分析的基礎(chǔ)上，我們利用人臉圖像的對(duì)稱(chēng)性，提出了基于對(duì)稱(chēng)二維主成

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(hù)所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間，僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶(hù)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(hù)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。

評(píng)論

0/150

提交評(píng)論