共查询到19条相似文献，搜索用时 468 毫秒
1.
基于2DPCA和改进的LDA算法的人脸识别技术 总被引：1，自引：0，他引：1
为提高人脸识别的准确率,缩短图像特征提取的时间,提出了一种将二维主成分分析（简称2DPCA）与改进的线性鉴别分析（简称LDA）相结合的人脸识别方法。该法首先以图像矩阵为分析对象,直接利用原始图像矩阵构造图像的协方差矩阵。以进行特征提取和2DPCA分析;再采用改进的线性鉴别分析。得到最佳的分类特征,从理论上有效解决了传统的线性鉴别分析在人脸识别中存在的“边缘类”问题：最后．在ORL人脸库上检验了该识别方法的性能。实验结果表明,该方法抽取的鉴别特征有较强的鉴别能力。 相似文献
2.
二维最大散度差线性鉴别分析方法不仅有效地避免了在人脸识别中传统的Fisher线性鉴别分析通常存在的“小样本问题”,而且使其特征抽取的速度有了大幅度的提高．本文通过引入著名的“核技巧”,将二维最大散度差线性鉴别分析扩展到非线性空间,提出了一种新的二维核最大散度差鉴别分析方法．该方法不仅抽取了图像中更加有效的非线性鉴别特征,使正确识别率显著提高,而且为二维非线性鉴别分析提供了一个统一的构架．最后在AR标准人脸库中的实验结果验证了本文算法的有效性． 相似文献
3.
综合二维典型相关分析和相关反馈的图像检索方法,首先利用颜色直方图法对样本图像进行初步检索,接着手工标注用户满意的图像作为正样本,其余的作为负样本.利用正负样本的颜色分块特征训练图像分类器,通过训练好的分类器对图像进行进一步检索.实验证明,我们的方法在目标不太明确的情况下,通过相关反馈操作的检索性能会获得一定的提升. 相似文献
4.
聚类分析和典型相关分析的应用举例 总被引：1，自引：0，他引：1
刘冬 《赤峰学院学报(自然科学版)》2011,27(6):5-8
多元统计分析是从经典统计学中发展起来的一个分支,是一种综合分析方法,它能够在多个对象和对个指标互相关联的情况下分析它们的统计规律,很适合农业科学研究的特点.主要内容包括多元正态分布及其抽样分布、多元正态总体的均值向量和协方差阵的假设检验、多元方差分析、直线回归与相关、多元线性回归与相关（Ⅰ）和（Ⅱ）、主成分分析与因子分析、判别分析与聚类分析、典型相关分析等及其应用. 相似文献
5.
小波变换能够充分突出某些特征的主要特点,通过小波变换可以将一张高维数的图片变换成低维数的图片,且人脸识别所需要的主要特征保持不变,通过主成份分析可以进一步降维。改进了基于小波变换和主成份分析提取特征〖JP〗向量的人脸识别方法,开发了基于小波变换及支持向量机的人脸识别系统,实现了对普通图片和视频的人脸识别。 相似文献
6.
7.
基于DiagPCA（对角主成分分析）及平均脸的方法对二维主成分分析（2DPCA）方法进行了改进,既考虑到构造2DPCA训练样本人脸间散布矩阵时使特征最大化,减少了同类人脸之间的特征差异,又利用图像矩阵对角化将图像的行、列关系联系起来,并利用ORL人脸数据库进行实验。结果显示,该方法可提高人脸识别率,且降低了特征提取的时间。 相似文献
8.
利用多元统计中的典型相关分析方法 ,对流化床生物质气化工艺中的 4个生产条件及11个生成指标进行了较全面的分析 ,找出了影响热值、热效率的主要因素 .为流化床生物质气化工艺提供了一个科学合理的实施方案 . 相似文献
9.
郑豪 《南京晓庄学院学报》2009,25(6)
文章讨论了模块2DPCA(two-dimensional principal eomponent anallysis)的人脸识别方法.传统的PCA方法是在特征抽取之前将子图像矩阵转化为图像向量,这样会造成维数增大.二维主成分分析算法(2DPCA)作为模式识别领域的一种重要算法,它直接利用原始二维图像矩阵,生成特征提取所需的图像协方差矩阵,具有较高健壮性.模块2DPCA是2DPCA的推广,模块2DPCA方法先对图像矩阵进行分块,将分块得到的子图像矩阵直接用于构造总体散布矩阵,然后利用总体散布矩阵的特征向量进行图像特征提取.与2DPCA相比,模块2DPCA方法在识别性能上优于PcA.、比2DPCA更具有鲁棒性.最后就模块2DPCA存在的问题进行了讨论. 相似文献
10.
本文在深度访谈、文献综述和相关数据的基础上,运用典型相关的分析方法,证明了我国研究型大学人力资源结构与效益之间显著相关。并进一步通过量化分析和访谈等质化研究方法,探讨了我国研究型大学人力资源结构中的哪些因素在影响其人力资源效益的过程中起主导作用。 相似文献
11.
12.
INTRODUCTION Automatic face recognition has become a very active research area in the last decade due to the new interest in, and need for, surveillance and security, telecommunication and digital libraries, hu-man-computer intelligent interaction, and smart en-vironments. The small sample size (SSS) problem is often encountered because the number of the samples is much smaller than the dimension of the sample space in face recognition. It results in the singularity of the within-class … 相似文献
13.
The eigenface method that uses principal component analysis （PCA） has been the standard and popular method used in face recognition. This paper presents a PCA - memetic algorithm （PCA-MA） approach for feature selection. PCA has been extended by MAs where the former was used for feature extraction/dimensionality reduction and the latter exploited for feature selection. Simulations were performed over ORL and YaleB face databases using Euclidean norm as the classifier. It was found that as far as the recognition rate is concerned, PCA-MA completely outperforms the eigenface method. We compared the performance of PCA extended with genetic algorithm （PCA-GA） with our proposed PCA-MA method. The results also clearly established the supremacy of the PCA-MA method over the PCA-GA method. We further extended linear discriminant analysis （LDA） and kernel principal component analysis （KPCA） approaches with the MA and observed significant improvement in recognition rate with fewer features. This paper also compares the performance of PCA-MA, LDA-MA and KPCA-MA approaches. 相似文献
14.
In standard canonical correlation analysis （CCA）, the data from definite datasets are used to estimate their canonical correlation. In real applications, for example in bilingual text retrieval, it may have a great portion of data that we do not know which set it belongs to. This part of data is called unlabeled data, while the rest from definite datasets is called labeled data. We propose a novel method called regularized canonical correlation analysis （RCCA）, which makes use of both labeled and unlabeled samples. Specifically, we learn to approximate canonical correlation as if all data were labeled. Then, we describe a generalization of RCCA for the multi-set situation. Experiments on four real world datasets, Yeast, Cloud, Iris, and Haberman, demonstrate that, by incorporating the unlabeled data points, the accuracy of correlation coefficients can be improved by over 30%. 相似文献
15.
改进的人脸识别主分量分析算法 总被引：3，自引：0，他引：3
在应用于人脸识别领域的主分量分析(PCA)算法中,为了降低与外界光照变化相关的特征向量对提取特征的影响,提出了一种改进的主分量分析(MPCA)算法,利用相对应的标准方差对提取的特征矢量元素进行归一化处理.采用耶鲁大学的2个人脸数据库(Yale face database和Yaleface database B)进行了验证,实验结果表明,对于正面人脸和具有小角度姿态变化情况下的人脸,提出方法的性能优于传统的PCA和LDA(线性判别分析)算法,而运算量和PCA算法相同,大大低于LDA算法. 相似文献
16.
Kernel Model Applied in Kernel Direct Discriminant Analysis for the Recognition of Face with Nonlinear Variations 总被引：1，自引：0，他引：1
A kernel-based discriminant analysis method called kernel direct discriminant analysis is employed, which combines the merit of direct linear discriminant analysis with that of kernel trick. In order to demonstrate its better robustness to the complex and nonlinear variations of real face images , such as illumination, facial expression, scale and pose variations, experiments are carried out on the Olivetti Research Laboratory, Yale and self-built face databases. The results indicate that in contrast to kernel principal component analysis and kernel linear discriminant analysis, the method can achieve lower (7%) error rate using only a very small set of features. Furthermore, a new corrected kernel model is proposed to improve the recognition performance. Experimental results confirm its superiority (1% in terms of recognition rate) to other polynomial kernel models. 相似文献
17.
三维人脸相比二维人脸包含更丰富的信息,而且能够克服姿态,表情,光照因素的影响,更好地表示人脸特征,从而逐渐受到广泛的关注和重视。文中对不同姿态下的三维人脸深度图,先用微分几何相关知识把该图校正到正中面,然后通过提取人脸面部的等高线特征,将三维人脸变成容易处理的二维曲线,针对如何能够更好的描述该二维曲线,提出了一种把矩和傅里叶描述子相结合的新方法,最后利用提取的曲线特征进行人脸识别。实验结果表明,该方法具有很好的实时性和更强大的形状区分能力,鲁棒性高,优于传统傅里叶描述子提取等高线特征的方法。 相似文献
18.
在二维局部保持投影中引入类间结构信息和类标签,得到有监督的二维判别局部保持投影算法,从而提高了特征集的鉴别性。针对算法中参数的选取问题,建立无参数权重矩阵,提出无参数的二维判别局部保持投影(无参数2D-DLPP)算法。在Yale和ORL人脸库上的仿真实验结果表明,该算法与二维判别局部保持投影(2D-DLPP)、二维局部保持投影法(2D-LPP)和二维线性判别分析法(2D-LDA)相比能够取得更高的识别率。 相似文献
19.
结合Foley—Sammon最佳鉴别矢量集方法和统计不相关最佳鉴别矢量集方法，本文给出了正交线性无关鉴别矢量集方法。为了对已得到的鉴别矢量集方法进行分析比较，使用Matlab编程实现了有关算法，并采用UCI中典型数据集以及ORL人脸图像数据库进行测试。根据测试结果，对各种鉴别矢量集方法做出了比较。 相似文献