欢迎来到天天文库
浏览记录
ID:35175857
大小:1.17 MB
页数:33页
时间:2019-03-20
《关于人脸识别中降维方法的研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、分类号:O29单位代码:10190研究生学号:201312004密级:无硕士学位论文关于人脸识别中降维方法的研究ResearchonDimensionReductionforFaceRecognition研究生姓名:郝艺达专业:数学指导教师姓名:张珊指导教师职称:副教授2016年3月长春工业大学硕士学位论文原创性声明本人郑重声明:所呈交的硕士学位论文,《关于人脸识别中降维方法的研究》是本人在指导教师的指导下,独立进行研究工作所取得的成果。除文中已经注明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体,均已在文中
2、以明确方式标明。本人完全意识到本声明的法律结果由本人承担。作者签名:年月日长春工业大学硕士学位论文版权使用授权书本学位论文作者及指导教师完全了解“长春工业大学硕士学位论文版权使用规定”,同意长春工业大学保留并向国家有关部门或机构送交学位论文的复印件和电子版,允许论文被查阅和借阅。本人授权长春工业大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,也可采用影印、缩印或扫描等复制手段保存和汇编学位论文。作者签名:年月日校内指导教师签名:年月日硕士学位论文摘要对高维人脸数据进行降维处理是一种很关键的技术。如果直接对高维图像数据进行处理,不但会导致“维数灾难”问题,而且
3、也使得人们很难发现原始数据中隐藏的结构信息和特征。为了克服“维数灾难”问题及减小噪声和计算复杂度,数据降维方法的研究引起了研究者们的广泛关注。本文首先对具有代表性的一维及二维单向降维方法做了较深入的描述,接着对两种二维双向降维方法即张量子空间分析(TSA)法和判别张量子空间分析(DTSA)进行了较详细的讨论。然后针对BDSLPP的投影矩阵是不正交的,我们提出了一种正交二维双向判别有监督局部保持投影算法。最后本文将TSA、DTSA及OBDSLPP这三种方法分别在ORL和Yale人脸数据库上进行了数值实验,实验结果表明OBDSLPP分别比TSA和DTSA的识别率高。关键词:
4、降维局部保持投影判别信息正交双向投影I硕士学位论文AbstractDimensionalityreductionmethodsinthefieldoffacerecognitionisakindofverykeytechnology,Ifdirectlydealwithhigh-dimensionalimagedata,andthehighdimensionwillnotonlyleadtothe“curseofdimensionality”phenomenon,butalsomakesitdifficultytodirectlyunderstandanddiscove
5、rythestructureinformationofthedataset.Themajoralgorithmsareusedasthemethodofdatapreprocessing,ontheonehand,itcanovercomethe“curseofdimensionality”phenomenon,ontheotherhand,itcangreatlyreducethecalculationcomplexityandnoise,datadimensionreductionmethodhasattractedwideattentionoftheresearc
6、hers.Inthispaper,wefirstlyintroductionthetypicalexistingone-dimensionaldimensionalityreductionmethodsandtwo-dimensionalonesidedimensionalityreductionmethodsinthefieldoffacerecognition,thenweanalysisthebidirectionalprojectionmethodoftensorsubspaceanalysis(TSA)anddiscriminanttensorsubspace
7、(DTSA).TotheproblemoftheleftandrightprojectionmatricesarenotusuallyorthogonalinBDSLPP,andtherequirementoftheorthogonalityofthecolumnsofprojectionmatricesiscommoninthatorthogonalprojectionmatricespreservethemetricstructureofthefacialimagespaceweproposetheorthogonalBDSLPP(O
此文档下载收益归作者所有