مقایسه روش های کاهش بعد KPCA و ICA با روش تقسیم داده KCV به کمک دسته بندی شبکه های عصبی المن ELMAN در تشخیص چهره
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 913
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
EMAA02_180
تاریخ نمایه سازی: 8 آذر 1394
Abstract:
انتخاب ویژگیها از موضوعات مهم در تشخیص چهره است . از میان انبوه ویژگیهائی که می توان در نظر گرفت باید مشخصکرد که کدام یک واقعا مفید هستند. حذف ویژگیهای بی فایده که عملا منجر به کاهش بعد آنها می شود باعث بالا رفتن سرعتمحاسبات و نهایتا کارائی سیستم می شود بطورکلی می توان روشهای کاهش بعد ویژگی را به دو گروه روشهای انتخابی و روشهای تبدیلی تقسیم نمود. در این مقاله دو روش کاهش بعد تبدیلی شامل آنالیز مولفه های اصلی مبتنی بر هسته KPCA وآنالیز مولفه های مستقل ICA را مورد بررسی قرار داده و با اعمال داده های کاهش بعد یافته به یک سیستم تشخیص چهرهمبتنی بر شبکه عصبی المن ELMAN میزان دقت و سرعت سیستم مذکور را مقایسه می کنیم و در نهایت بهترین روش تبدیلی کاهش بعد انتخاب می نماییم. به منظور بررسی، اثر استفاده از تعداد مولفه های KPCA و ICA در میزان دقت و زماندسته بندی چهره های بانک اطلاعاتی ORL ، مراحل دسته بندی با تعداد مولفه های مختلف انجام و مقایسه گردید. مقایسه نتایج نشان داد تکنیک KPCA زمان آزمایش و آموزش کمتری دارد و سیستم تشخیصچهره به درصدهای بالاتری در شناسائی دست یافت. در حالت بهینه دقت تشخیص 97.1467 % بدست آمد
Keywords:
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 :