共查询到20条相似文献,搜索用时 750 毫秒
1.
2.
针对人脸识别问题,提出了一种新的算法。该算法利用融合的PCA和LDA算法进行特征提取,并使用蚁群优化的BP神经网络进行人脸识别。使用融合的PCA和LDA算法对特征向量进行提取压缩,为了提高BP神经网络对人脸的分类精度和减少训练时间,使用蚁群算法优化BP神经网络的初始参数,并使用优化后的BP神经网络进行训练和人脸识别。在ORL人脸数据库的仿真结果表明,该算法能有效提高人脸识别性能,具有较高识别率。 相似文献
3.
线性判别分析(LDA)具有很好的分类性能,但是计算复杂度一般较高。为了有效地降低LDA算法的计算复杂度,本文提出了一种基于k-means聚类的快速学习算法。该算法首先根据k-means聚类算法对原始样本进行聚类,计算聚类簇的样本中心作为新训练样本,然后再利用LDA算法进行分类。由于通过聚类算法有效地压缩了训练样本集的规模,因此算法具有更高的效率。在语音识别数据集上的实验充分验证了本文算法具有较好的分类性能,而且效率更高。 相似文献
4.
为了进一步提高人脸图像的识别率,提出了一种相关分析融合的人脸图像识别算法。首先通过采用压缩测量数据得到人脸图像,然后通过划分子模式的方法去除图像中的小样本,提取局部特征,采用成分分析提取人脸图像的整体特征,通过算法对人脸图像特征进行融合,从而消除人脸部冗余信息,最后通过3个人脸数据集对算法进行测试。仿真实验表明,本文的算法相对于参比算法,提高了人脸图像识别精度,具有很好的鲁棒性。 相似文献
5.
6.
有效地提取特征和设计好的分类方法是人脸识别的关键,本文结合隶属度函数提出一种基于图像分块的二维线性判别分析识别方法。首先对人脸样本图像等量划分为若干个子模块,再直接对子模块图像矩阵进行二维线性判别分析提取特征,得到子模块低维特征矩阵,最后算出测试图像子模块相对于训练类对应子模块的隶属度,选取几个隶属度最大的子模块进行权值叠加,被测试图像最终归属于叠加结果最大的一类。该方法既克服了小样本问题又具有更人性化的分类设计。在ORL和FERET人脸数据库上的实验结果表明,提出的方法不仅运算量小而且识别率也明显优于其它方法。 相似文献
7.
8.
9.
文章对人脸的特征提取进行了深入的研究,提出了基于Gabor小波的局部导数模式的特征提取方法。基于Gabor的局部二值模式(LGBP)和基于Gabor的局部导数模式(LGDP),主要针对LBP以及多阶的LDP算法分别在灰度图像和Gabor小波图像进行识别实验,并对比其实验结果。得出的结果可以看出高阶的LDP算法的识别效果比LBP算法好。随着LDP阶数的增高,其获得的人脸的细节越详细,在三阶时效果越好,高于三阶的LDP算法其获得的信息会包含较多的噪声不利于识别。而基于Gabor的识别方法的识别率高出了在灰度图像的识别率。所以得出三阶的基于Gabor的局部倒数模式(LGDP)具有最高的识别效果。 相似文献
10.
11.
<正>为提高人脸表情识别效果,提出基于迁移学习和数据增强技术的人脸表情识别方法。在ResNet50卷积神经网络的基础上,保留了愿网络的卷积层并设计了全新的全连接层。对数据集的训练集图片使用Keras中翻转、偏移、旋转等方式达到数据增强,在相同参数和实验环境下,对7种人脸表情的分类效果优于AlexNet、GoogleNet模型。实验结果:基于迁移学习的ResNet50模型在FER2013的测试集上对各类表情的平均识别率为68.7%,达到了主流识别效果。 相似文献
12.
13.
针对人脸特征的提取问题,提出了在SVM的基础上结合局部二值模式(LBP)加权算法。首先描述了人脸图像的LBP和深度LBP特征,通过加权形成人脸特征向量,通过这些向量采用支持向量机进行分类,依托人脸数据库进行仿真。实验结果表明,本文算法提高了人脸平均识别率以及识别效率,具有一定的推广价值。 相似文献
14.
针对人脸特征的提取问题,提出了在SVM的基础上结合局部二值模式(LBP)加权算法。首先首先描述了人脸图像的LBP和深度LBP特征,通过加权形成人脸特征向量,通过这些向量采用支持向量机进行分类,依托人脸数据库进行仿真。实验结果表明,本文算法提高了人脸平均识别率以及识别效率,具有一定的推广价值。 相似文献
15.
16.
在MATLAB环境下,取ORL人脸数据库的部分人脸样本集,基于PCA方法提取人脸特征,形成特征脸空间,然后将每个人脸样本投影到该空间得到一投影系数向量,该投影系数向量在一个低维空间表述了一个人脸样本,这样就得到了训练样本集。同时将另一部分ORL人脸数据库的人脸作同样处理得到测试样本集。然后基于最近邻算法进行分类,得到识别率,接下来使用BP神经网络算法进行人脸识别,最后通过基于神经网络算法和最近邻算法进行综合决策,对待识别的人脸进行分类。 相似文献
17.
为解决人脸识别工作中测试数据与训练数据的差异带来的精度损失问题,提出一种C2D-CNN模型下的人脸识别方法。该模型将彩色2DPCA算法提取的原始图像像素特征与CNN(Convolutional Neural Network)学习的图像表示相融合,能显著提高人脸识别性能。进一步的,提出一种新的CNN模型,在CNN中引入归一化层,以加速网络收敛,此外还加入了分层激活函数,使得激活函数对归一化后的数据有自适应性。选取复杂环境下的FRGC人脸库以及自采集人脸库进行实验。实验结果表明,对于FRGC人脸库,相比Alex Net网络,本算法的预训练时间缩短了69. 4%,识别率提高了9. 72%~22. 99%,相比微调后的AlexNet网络,识别率提高了6. 07%~15. 28%,解决了测试集与训练集之间的差异带来的识别率低的问题。 相似文献
18.
【目的/意义】随着LDA模型成为微博信息推荐的主要工具,众多的LDA演化模型的使用问题成为研究者
亟待解决地问题。【方法/过程】首先,从演化发展角度对LDA模型运行机理进行了解析,揭示了模型使用的先决条
件和算法内涵;其次,从不同需求的视角揭示了RB-LDA、RT-LDA、C-LDA、MB-LDA等扩展模型对LDA模型的
功能性补充;最后,提出LDA模型的技术演化方向。【结果/结论】结果表明可利用微型本体来提升语义性、利用多种
模型融合来提升精度、利用大数据来提升数据质量是LDA模型未来的演化方向,可使LDA模型信息推荐能力的更
具个性化和精准化。 相似文献
19.
张蒙 《内蒙古科技与经济》2023,(14):37-40
选取黑龙江省19所高校微博内容作为样本数据,以探求高校官方微博主题特征对用户信息参与行为影响的实际效果,这对高校官方微博账户运营发展有很重要的现实意义。首先爬取黑龙江省19所高校官方微博数据内容信息,然后采用LDA算法进行主题分类编码,最后运用多元线性回归法验证各个主题对用户信息参与行为产生的影响。研究展示了各个主题特征对用户信息参与行为的影响大小,并提出了提升高校官方微博用户参与度和账户活跃度的有效建议。 相似文献
20.
针对经典人脸识别卷积神经网络(CNN)结构中因网络层次设计过深导致计算量大且训练耗时长的问题,设计一种改进的卷积神经网络结构,该结构由3个卷积层、3个池化层、1个全连接层和1个分类层组成。利用Softmax回归算法进行人脸分类识别,卷积神经网络在输出层利用改进的Softmax进行分类。实验结果表明:在AR人脸库上,所述方法的识别率接近100%,优于传统人脸识别方法,其训练速度也明显快于普通的卷积神经网络,验证了改进方法的有效性。 相似文献