论文摘要
人脸识别近年来在模式识别领域受到高度关注。作为一种主要的生物识别技术,在金融安全、电子商务与数字娱乐等领域具有广泛的应用前景。经过近半个世纪的发展,在人脸识别研究领域已经取得许多成果,基本实现了特定环境下的准确识别。尽管如此,人脸识别技术要达到完全实用水平,还面临着诸多挑战,因人脸数据维数过高带来的大规模数据存储和计算问题就是其中之一。本文针对人脸识别中的高维数据降维及识别问题展开深入研究,主要研究工作与创新点如下:1)研究了基于典型线性与非线性降维算法的人脸图像高维数据的降维问题。深入分析了不同算法的降维性能;基于剩余残差的维数评价模型,对人脸图像的本征维数进行了讨论;比较了Isomap算法的不同邻域参数k对降维结果的影响,并在ORL、Yale、Feret人脸库上进行对比试验。试验结果表明,非线性降维算法Isomap的降维效果优于典型的线性降维方法PCA。2)研究了基于非线性降维的人脸识别方法。为了解决新样本在训练空间的映射及降维问题,引入了增量式Isomap算法,提出了利用距离保持的增量式(IADP-Isomap)的人脸识别方法,首先对人脸图像应用Isomap,然后采用IADP-Isomap获得新样本的低维特征表示,采用最近邻分类器进行分类。实验结果展示了该方法的可行性。3)探讨了非负矩阵分解(NMF)算法的原理及在人脸识别中的应用。基于NMF的人脸识别方法在人脸图像的光照、姿态与表情改变时性能会大幅下降,针对该问题,本文提出NMF+SDA方法对之改进,首先对人脸图像应用NMF,然后融合线性鉴别分析(LDA)和奇异值分解(SVD)的思想,进行人脸高维数据降维和特征提取。在人脸库上的实验表明,本方法具有较高的识别率。4)基于非线性降维算法,引入模糊数学中矢量隶属函数和隶属度,提出了一种基于模糊隶属函数的三控制要素的多项式模糊拟合算法。利用归一化贴近度可以评价拟合曲线的线性度。将此算法用于人脸识别,实验结果表明具有较好的识别率。
论文目录
相关论文文献
- [1].基于分层索引的高维数据对象检索[J]. 指挥信息系统与技术 2019(06)
- [2].高维数据流异常节点动态跟踪仿真研究[J]. 计算机仿真 2020(10)
- [3].高维数据的交互式沉浸可视化——以城市生活质量数据为例[J]. 装饰 2019(06)
- [4].基于大数据的高维数据挖掘探究[J]. 通讯世界 2018(03)
- [5].智能电网中高维数据聚类方法研究[J]. 智能计算机与应用 2016(01)
- [6].浅谈高维数据变量选择现状与方法[J]. 数码世界 2016(07)
- [7].基于高维数据流的异常检测算法[J]. 计算机工程 2018(01)
- [8].大数据环境下的高维数据挖掘在入侵检测中的有效应用[J]. 电脑编程技巧与维护 2016(22)
- [9].一种高维数据流的稳健监控方法[J]. 天津职业技术师范大学学报 2016(02)
- [10].基于大数据的高维数据挖掘研究[J]. 信息与电脑(理论版) 2015(15)
- [11].浅谈高维数据挖掘的现状与方法[J]. 福建电脑 2014(07)
- [12].高维数据空间的一种网格划分方法[J]. 计算机工程与应用 2011(05)
- [13].面向精细农业的高维数据本征维数估计方法研究进展[J]. 中国科学:信息科学 2010(S1)
- [14].数学建模中的高维数据挖掘技术优化研究[J]. 计算机测量与控制 2017(09)
- [15].采用高维数据聚类的目标跟踪(英文)[J]. 红外与激光工程 2016(04)
- [16].非规则流中高维数据流典型相关性分析并行计算方法[J]. 软件学报 2012(05)
- [17].基于控制过度遗漏发现概率的高维数据流异常诊断[J]. 数理统计与管理 2020(03)
- [18].相关高维数据流在线监控方法研究[J]. 天津职业技术师范大学学报 2016(03)
- [19].高维数据挖掘技术在教学质量监控与评价的应用研究[J]. 全国商情(理论研究) 2010(11)
- [20].一种高维数据聚类遗传算法[J]. 计算机工程与科学 2010(08)
- [21].基于联合树的隐私高维数据发布方法[J]. 计算机研究与发展 2018(12)
- [22].基于正则化回归的变量选择方法在高维数据中的应用[J]. 实用预防医学 2018(06)
- [23].一种支持高维数据查询的并行索引机制[J]. 华中科技大学学报(自然科学版) 2011(S1)
- [24].矩阵奇异值分解及其在高维数据处理中的应用[J]. 数学的实践与认识 2011(15)
- [25].高维数据变量选择方法综述[J]. 数理统计与管理 2017(04)
- [26].高维数据空间索引方法的研究[J]. 电脑知识与技术 2009(16)
- [27].基于聚类融合算法的高维数据聚类的研究[J]. 电子测量技术 2008(04)
- [28].高维数据固有维数的自适应极大似然估计[J]. 计算机应用 2008(08)
- [29].基于超网络和投影降维的高维数据流在线分类算法[J]. 计算机应用与软件 2020(10)
- [30].面向高维数据的安全半监督分类算法[J]. 计算机系统应用 2019(05)