基于粗糙集和直推式置信机器的人脸识别研究

论文摘要

人脸识别是人类身份识别的一种，因其具有稳定性和唯一性，与其他身份识别技术相比在社会中有更加广泛通用的应用。粗糙集是近年来发展起来的继概率论、模糊集、证据理论的有一个处理不确定性问题的数学工具，是一种新兴的软计算方法，其有效性已在许多学科和工程领域得到验证，是当前国际上人人工智能领域的研究热点之一。本文在分析了人脸识别领域研究发展历程和现状的基础上，结合子图分割思想，提出了一种新的特征提取方法——基于粗糙集的人脸特征提取方法。该算法利用粗糙集对人脸子图数据进行处理，然后将提取的特征进行组合构成人脸特征矩阵。针对提出来的本算法，以ORL（Olivetti Research Laboratory inCombridge,UK）人脸数据库为实验对象，用BP神经网络作为分类器，进行模拟实验进行了验证。实验取得了较好的结果，获得了训练集接近100%，测试集85%左右，平均接近90%的识别率。通过实验验证了本文提出的特征提取算法可以获得较好的识别率，是一种有效的方法。另一方面，为弥补传统的识别分类方法难以定量预测结果的不足，本文在进一步验证实验中引入了直推式信任机器。在识别分类中，不仅给出了预测分类结果，同时给出了预测的可信任度量，对预测结果是一种有力的补充说明，而且识别效率高于常用的BP神经网络，是一种有实际应用价值的分类技术。

论文目录

• 摘要
• Abstract
• 目录
• 插图索引
• 插表索引
• 第1章 绪论
• 1.1 选题背景及意义
• 1.2 国内外研究历史及现状
• 1.3 课题研究内容及结构
• 第2章 人脸识别
• 2.1 特征提取
• 2.2 识别分类
• 2.3 常用的人脸自动识别技术
• 2.4 小结
• 第3章 粗糙集理论与方法
• 3.1 粗糙集理论
• 3.2 信息系统
• 3.3 集合近似与粗糙集
• 3.4 知识约简
• 3.5 小结
• 第4章 基于粗糙集理论的人脸特征提取方法研究
• 4.1 子图分割思想
• 4.2 BP 神经网络
• 4.2.1 人工神经网络原理
• 4.2.2 BP 神经网络
• 4.3 基于粗糙集的人脸子图特征提取
• 4.4 实验结果与性能分析
• 4.4.1 人脸图片模拟数据库
• 4.4.2 模拟实验及结果
• 4.5 小结
• 第5章 基于直推式信任机器的人脸识别
• 5.1 背景及原理
• 5.1.1 随机事件
• 5.1.2 置信度
• 5.2 直推式信任机器
• 5.3 结合子图分割粗糙集简约特征提取和 TCM 的人脸识别性能分析
• 5.4 小结
• 结论与展望
• 参考文献
• 致谢