سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

بکارگیری نرم صفر هموار شده وزن دار در طبقه بندی نمایش تنک جهت شناسایی چهره

Publish Year: 1402
Type: Journal paper
Language: Persian
View: 129

This Paper With 11 Page And PDF Format Ready To Download

Export:

Link to this Paper:

Document National Code:

JR_PADSA-11-3_006

Index date: 19 February 2024

بکارگیری نرم صفر هموار شده وزن دار در طبقه بندی نمایش تنک جهت شناسایی چهره abstract

طبقه بندی و شناسایی یکی از مهمترین روش های استخراج اطلاعات از تصاویر می باشد که ازمیان آن ها، شناسایی تصاویر چهره به عنوان یکی از کارآمدترین ویژگی های بیومتریک در جهت شناسایی انسان ها همواره مورد توجه بوده است و درسال یان اخیر دراین زمینه تحقیقات گسترده ای انجام شده است. تاکنون راه حل های مختلفی بر ای شناسایی چهره از س وی محققان مطرح شده است ولی در میان آن ها استفاده از طبقه بندی نمایش تنک به عنوان راه حلی موثر و خاص مورد توجه قرار گرفته است. یکی از محاسن نمایش تنک دریافت تصاویر ورو دی بدون نیاز به استفاده از روش ه ای استخراج و یژگی است، لذا در این مقاله روش پیشنهادی با بکارگیری نرم صفر هموار شده وزن دار و بر اساس نمایش تنک جهت شناسایی چهره معرفی می شود. برای بررسی عملکرد روش پیشنهادی ازدو پایگاه داده ORL و AR شامل تصاویر حالات مختلف چهره استفاده شده است که نتایج شبیه سازی شده نشان دهنده عملکرد بسیار مناسب روش نسبت به سایر روش های معروف در زمینه شناسایی چهره می باشد .

بکارگیری نرم صفر هموار شده وزن دار در طبقه بندی نمایش تنک جهت شناسایی چهره Keywords:

اسایی چهره , استخراج ویژگی , طبقه بندی نمایش تنک , نرم صفر هموار شده وزن دار

بکارگیری نرم صفر هموار شده وزن دار در طبقه بندی نمایش تنک جهت شناسایی چهره authors

محمدسعید علمداری

دانشجوی دکتری دانشگاه خواجه نصیر الدین طوسی، تهران، ایران

مسعود فاطمی

دانشیار،دانشگاه خواجه نصیر الدین طوسی، تهران، ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
K. R. Kakkirala, S. R. Chalamala, and S. Jami, “Thermal ...
K. Awedat, A. Essa, and V. Asari, “Sparse Representation Classification ...
T. Liu, J. X. Mi, Y. Liu, and C. Li, ...
W. Jinming, and L. Haifeng, “Binary sparse signal recovery with ...
R. Liu, M. Shu, and C. Chen, “ECG Signal Denoising ...
A. Wan, “Uniform RIP Conditions for Recovery of Sparse Signals ...
H. Mohimani, M. Babaie-Zadeh, and C. Jutten, “A fast approach ...
Babaie-Zadeh, M., B. Mehrdad, and G.B. Giannakis, “Weighted sparse signal ...
D. L. Donoho, “For most large underdetermined systems of linear ...
M. Malek-Mohammadi, M. Jansson, A. Owrang, A. Koochakzadeh, and M. ...
D. L. Donoho, and M. Elad, “Optimally sparse representation in ...
M. S. Alamdari, M. Fatemi, A. Ghaffari, “The Recovery of ...
M. Elad, “Sparse and Redundant Representations: From Theory to Applications ...
D. L. Donoho, M. Elad, and V. Temlyakov, “Stable recovery ...
K. Huang, and S. Aviyente, “Sparse representation for signal classification,” ...
M. S. Alamdari and M. Fatemi, “Presenting a new method ...
M. Shahrezaee and M. S. Alamdari, “The Application of Numerical ...
M. S. Alamdari, “Providing an optimal mathematical model based on ...
F. Samaria, and A. Harter, “Parameterisation of a stochastic model ...
A. Martinez, and R. Benavente, “The AR face database. In: ...
نمایش کامل مراجع