版權(quán)說(shuō)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、東北大學(xué)碩士學(xué)位論文基于遺傳神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別方法研究姓名：李娜申請(qǐng)學(xué)位級(jí)別：碩士專業(yè)：信號(hào)與信息處理指導(dǎo)教師：吳建華20070201東北大學(xué)碩士學(xué)位論文AbstractFaceRecognitionMethodResearchBasedonGeneticAlgorithmandNeuralNetworkAbstractBiometricscarriesonallinvestigationintheidentityauthenticat
2、ionthroughthecomputerusinghumanbodyinherentbiologycharacteristicorbehaviorcharacteristicCompares講tllthetraditionalidentityauthenticationtechnologythebiometricshastheuniversalityuniqueness，permanenceaswellasthepossibleofg
3、atheringparticularityAsanewidentityauthenticationmethod。itattractsmoreandmoreattentionInthemultitudinousbiometrics，thefacerecognitiontechnologyprovidesasortofauthenticationmethodswithdirectfriendlyconvenientlynon—infring
4、e，highreliabilityandstable，therefore，thefacerecognitionteclmologylⅢtheexiaemelybroadapplicationprospectSomemethodsoffacerecognitionaresummarizedfirstlythenthisdissertationstudiesfacefeatureextractionandfacefeaturematchin
5、g，andpresentsadvancedalgorithmsBasedonthem，astaticfacerecognitionsystemisrealizedMaincontentsareasfollows：(1)Preprocessingimages：tesearchedimages，somemethodsareadoptedinthisdissertation：grayhistogramequalization，sizeDorm
6、alizatiomwavelettransfomaationThroughthesetransformations，imagecanreducethedisturbancefactorasleastaspossible，alsomayintensifrtheobviouslycharacteristicandweakentheDon—characteristicpartofimage(2)Extractingthefeatureofim
7、ages：basedonallindependentcomponentanalysis(ICA)isadoptedasaefficientfeatureextractionmethodDuetoICAfeaturespacehavingnoabilitytoselectandoptimize，anewfeatureextractionmethod，geneticalgorithmimprovingonICA，ispresentedThe
8、dimensionoffeaturespaceisreducedandabilityofdescribingfaceispowerfulusingadvancedICAnlcexperimentisprovedtoobtainthegoodeffect(3)Designingtheclassifiers：neuralnetworkisstudiedfirstlyalladvancedcollaborativegeneticalgorit
9、hmandneuralnetworkispresentedFirstlyusingthegeneticalgorithmstosearchinthesolutionspace，gettingtheoptimizationsolutionisdecodedandthenismappedtOneuralnetworkinitialvaluenextneuralnetworkcontinuestotrainnetworkbyBPoperato
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(kù)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
- 基于復(fù)合人工神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別方法研究.pdf
- 基于稀疏表達(dá)和神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別方法研究.pdf
- 基于遺傳神經(jīng)網(wǎng)絡(luò)的煤巖界面識(shí)別方法的研究.pdf
- 基于NMF與BP神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別方法研究.pdf
- 基于遺傳神經(jīng)網(wǎng)絡(luò)的轉(zhuǎn)錄因子結(jié)合位點(diǎn)識(shí)別方法研究.pdf
- 基于主元分析和神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別方法研究.pdf
- 基于主成分分析和人工神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別方法.pdf
- 基于奇異值分解和神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別方法的研究.pdf
- 基于主成分分析的人工神經(jīng)網(wǎng)絡(luò)人臉識(shí)別方法的研究.pdf
- 基于神經(jīng)樹的人臉識(shí)別方法研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別算法研究.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別研究.pdf
- 基于粗糙集和神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別方法的研究與實(shí)現(xiàn).pdf
- 基于主成分分析和BP神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別方法的研究.pdf
- 基于局部特征的卷積神經(jīng)網(wǎng)絡(luò)人臉識(shí)別方法研究.pdf
- 基于深度卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別研究.pdf
- 基于膚色和人工神經(jīng)網(wǎng)絡(luò)方法的人臉識(shí)別研究.pdf
- 基于小波神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別.pdf
- 基于遺傳神經(jīng)網(wǎng)絡(luò)的車型識(shí)別算法研究.pdf
評(píng)論
0/150
提交評(píng)論