计算机通信-人脸识别中基于流形学习的特征提取方法研究

计算机通信-人脸识别中基于流形学习的特征提取方法研究

ID:8423881

大小:2.93 MB

页数:69页

时间:2018-03-27

计算机通信-人脸识别中基于流形学习的特征提取方法研究_第1页
计算机通信-人脸识别中基于流形学习的特征提取方法研究_第2页
计算机通信-人脸识别中基于流形学习的特征提取方法研究_第3页
计算机通信-人脸识别中基于流形学习的特征提取方法研究_第4页
计算机通信-人脸识别中基于流形学习的特征提取方法研究_第5页
资源描述:

《计算机通信-人脸识别中基于流形学习的特征提取方法研究》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、学校代号10731学号4分类号TP391密级公开硕士学位论文人脸识别中基于流形学习的特征提取方法研究学位申请人姓名白万荣培养单位计算机与通信学院导师姓名及职称王燕副教授学科专业计算机应用技术研究方向模式识别论文提交日期2012年5月21日学校代号:10731学号:4密级:公开兰州理工大学硕士学位论文人脸识别中基于流形学习的特征提取方法研究学位申请人姓名:白万荣导师姓名及职称:王燕副教授培养单位:计算机与通信学院专业名称:计算机应用技术论文提交日期:2012年5月21日论文答辩日期:2012年5月23日答辩委员会主席:MethodsofFeatureExtractionBasedon

2、ManifoldLearninginFaceRecognitionbyBAIWanrongB.E.(HexiUniversity)2009AthesissubmittedinpartialsatisfactionoftheRequirementsforthedegreeofMasterofEngineeringinComputerApplicationTechnologyintheGraduateSchoolofLanzhouUniversityofTechnologySupervisorAssociateProfessorWANGYanMay,2012兰州理工大学学位论文原创性声

3、明和使用授权说明原创性声明本人郑重声明:所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名:日期:年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定,即:学校有权保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权兰州理工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,可以采用影印、缩印或扫描等复

4、制手段保存和汇编本学位论文。同时授权中国科学技术信息研究所将本学位论文收录到《中国学位论文全文数据库》,并通过网络向社会公众提供信息服务。作者签名:日期:年月日导师签名:日期:年月日硕士学位论文目录摘要IABSTRACTII插图索引IV附表索引V第1章 绪论11.1人脸识别背景和意义11.2人脸识别的研究现状11.3人脸识别的研究内容21.4人脸特征提取的主要方法31.4.1线性子空间方法31.4.2非线性子空间方法51.5本文主要工作71.6本文内容安排8第2章 流形学习92.1引言92.2等距映射92.3局部线性嵌入112.4拉普拉斯特征映射122.5流形学习方法的比较142.

5、6小结15第3章 核正交邻域保持判别嵌入算法163.1引言163.2核方法163.3核正交邻域保持判别嵌入173.3.1邻域保持判别嵌入183.3.2Schur正交邻域保持判别嵌入193.3.3核正交邻域保持判别嵌入203.3.4核正交邻域保持判别嵌入算法描述213.4人脸识别实验213.5小结24第4章 基于最大散度差的半监督判别分析254.1引言254.2相关算法25V硕士学位论文4.2.1边界Fisher分析254.2.2无监督鉴别投影264.3基于散度差的半监督判别分析274.3.1半监督判别分析274.3.2最大散度差半监督判别分析284.3.3散度差与瑞利商之间的关系2

6、94.3.4最大散度差的半监督判别分析算法描述294.4人脸识别实验304.4.1ORL人脸数据库的实验304.4.2YALE人脸数据库的实验314.4.3实验分析324.5小结32第5章 自适应邻域选择的张量边界FISHER分析335.1引言335.2张量边界Fisher分析335.3自适应邻域选择的TMFA355.4人脸识别实验385.4.1PIE人脸数据库的实验385.4.2FERET人脸数据库的实验395.4.3实验分析405.5三种算法的比较405.6小结41总结与展望42研究总结42未来工作展望42参考文献44致谢48附录A攻读学位期间所发表的学术论文49V硕士学位论文

7、摘要人脸识别以其自然、直接、非接触、安全等优点发展为最具潜力的生物特征识别技术,它利用人脸面部特征中的有效信息进行个人身份识别。由于人脸识别在身份验证和识别场合具有巨大的应用价值,以及能促进模式识别等多门学科的发展。因此,对人脸识别技术的研究具有重大的理论和实际意义。提取有效的鉴别特征是人脸识别的一个关键因素,它要求在保持人脸数据集原有的本质结构特性不变的同时进行数据维数约减。研究表明,人脸嵌入在高维空间的低维非线性子流形上,因此使得流形学习得到了广泛关注。流形学习作

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。