ارزیابی روش های کاهش بعد PCA و LDA با روش تقسیم داده LOO به کمک دسته بندی SVM در تشخیص چهره
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 3,694
This Paper With 15 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
EMAA02_179
تاریخ نمایه سازی: 8 آذر 1394
Abstract:
در این مقاله دو روش تبدیلی کاهش بعد ویژگی ها برای سیستم تشخیص چهره مبتنی بر ماشین بردار پشتیبان SVM مقایسه می شود. این روش ها شامل آنالیز مولفه های اصلی PCA و آنالیز تفکیک کننده خطی LDA می باشد. در این مقاله به منظور دسته بندی تصاویر چهره بانک اطلاعاتی ORL استفاده شده است. روش کار بدین صورت است که ابتدا با استفاده از هر روش، بعد ویژگیها کاهش می یابد و سپس مدت زمان آموزش، آزمایش و درصد شناسائی توسط سیستم تشخیص چهره مبتنی برSVM برای ویژگیهای مربوط به هر یک از دو روش را بدست آورده و مقایسه می کنیم. به منظور بررسی اثر استفاده از تعداد مولفه هایLDA و PCAدر میزان دقت و زمان دسته بندی چهره های بانک اطلاعاتی بکار رفته، مراحل دسته بندی با تعداد مولفه های مختلف انجام شد و مقایسه گردید.مقایسه نتایج نشان داد تکنیکLDAزمان آزمایش و آموزش کمتری دارد و سیستم تشخیص چهره به درصدهای بالاتری در شناسائی دست یافت. بنابراین ویژگی هایی که به روشLDA بدست آمده دارای اطلاعات مفید بیشتری می باشند و میزان اطلاعات مفیدی که از دست می رود کمتر از روش دیگر است در حالت بهینه دقت تشخیص 69.9996 % بدست آمد.
Keywords:
آتالیز مولفه های اصلی , آنالیز تفکیک کننده خطی , ماشین بردار پشتیبان , کاهش بعد ویژگی ها , بانک چهرهORL
Authors
آتنا عباس زاده
دانشجوی کارشناسی ارشد مهندسی برق کنترل- دانشگاه آزاد مشهد
سعید طوسی زاده
دکتری برق کنترل، استادیار دانشگاه آزاد اسلامی – واحد مشهد
حسین اثباتی
کارشناس ارشد مهندسی برق کنترل – دانشگاه آزاد گناباد
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 :