ارزیابی الگوریتم های PCAوKPCA در تشخیص چهره انسان

Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 925

This Paper With 8 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

NCEGIT01_058

تاریخ نمایه سازی: 19 اردیبهشت 1395

Abstract:

استخراج ویژگی یکی از مهم ترین مسائل در سیستم های تشخیص چهره می باشد در این مقاله از روش های تحلیل مولفه های اساسی PCA و تحلیل مولفه های اساسی کرنل KPCA به منظور استخراج ویژگی و تشخیص چهره استفاده شد و نتایج آن ها با هم مقایسه شده است با استفاده از تابع کرنل می توان به طور موثر مولفه های اساسی را در فضاهای ویژگی ابعاد بالا بسته به نوع فضای ورودی و به وسیله تصویر کردن غیر خطی محاسبه کرد کرنل استفاده شده در این مقاله کرنل پلی نومیال می باشد نتایج عملی نشان گر این است که با افزایش تعداد مولفه های استفاده شده صحت کار بالاتر می رود و بعد از تعداد معینی ثابت باقی ماند این مقدار ثابت مولفه می تواند با استفاده از رابطه نسبت انرژی و در مقدار 0/99 به دست آید همچنین روش KPCAعملکرد بهتری نسبت به روش PCA داشته و با افزایش تعداد داده های آموزشی نتایج بهتر می شوند

Keywords:

استخراج ویژگی , تشخیص چهره , تحلیل مولفه های اساسی کرنل , کرنل پلی نومیال , تحلیل مولفه های اساسی

Authors

بابک قاسمی

دانشجوی کارشناسی ارشد فتوگرامتری دانشکده مهندسی ژئودزی و ژئوماتیک دانشگاه صنعتی خواجه نصیرالدین طوسی

حمید عبادی

دانشیار گروه فتوگرامتری و سنجش از دور دانشکده مهندسی ژئودزی و ژئوماتیک دانشگاه صنعتی خواجه نصیرالدین طوسی

فرشید فرنود احمدی

استادیار گروه نقشه برداری دانشگاه تبریز

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 :
  • Chellappa, R., C.L. Wilson, and S. Sirohey, Human and machine ...
  • Jain, A.K., A. Ross, and S. Prabhakar, An introduction to ...
  • Zhao, W., et al., Face recognition: A literature survey. ACM ...
  • Grudin, M.A., On internal representations in face recognition systems. Pattern ...
  • SUN, T., S. GU, and Y. FEI, A Comparative Study ...
  • HUANG, G. and H. SHAO, Kernel Principal Component Analysis and ...
  • Lu, J., et al., An efficient kernel discriminant analysis method. ...
  • Yang, J., J.-y. Yang, and A.F. Frangi, Combined fisherfaces framework. ...
  • Scholkopf, B., A. Smola, and K.-R. Miller, Nonlinear component analysis ...
  • Scholkopf, B. and A.J. Smola, Learning with kernels: Support vector ...
  • Yang, J., et al., KPCA plus LDA: _ complete kernel ...
  • نمایش کامل مراجع