基于核化mmc的人脸识别系统 毕业论文

《基于核化mmc的人脸识别系统 毕业论文》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、基于核化MMC的人脸识别系统摘要人脸识别是模式识别研究领域中一个较为热的研究方向。在实际应用中，人脸往往看成高维数据，因此会遇到维数灾难问题，此时需要通过数据降维进行特征提取，即将原始数据对应的高维空间数据映射到低维空间中，并尽可能地保持数据间的判别信息，以利于分类问题。论文首先对人脸识别进行简单介绍和概述，将众多人脸识别分为几类，基于核化最大间距准则算法（KMMC）采用非线性映射将原始数据由数据空间映射到高维特征空间，然后再在特征空间中进行了相应的线性操作，该特征提取方法消除了核鉴别矢量间的统计相关性，提高了特征提取的有效性，通过在ORL人脸库上进行试验，结果表明提出的

2、特征提取方法在人脸识别中的有效性。关键词：人脸识别；降维；KMMCVKernelMMCBasedFaceRecognitionAlgorithmsSystemAbstractFacerecognitionisoneofthehottestresearchtopicsinpatternrecognition.Inpracticalapplications,theface’simagearehigh-dimensional,whichwillencounter‘thecurseofdimensionality’,andinsuchcases,thereisagreatneed

3、tousedimensionalityreductionmethodtoextractfeatures.Thatistosay,thehighdimensionaldataaremappedintolowerdimensionalones,meanwhilethediscriminantinformationarepreservedasmuchaspossible,whichhelpsforclassification.Firstly,somebasicsaboutfacerecognitionareintroducedandsurveyed.Thekernelmaxim

4、ummargincriterion(KMMC)algorithmisnon-linearmappingtotheoriginaldatafromthedataspaceismappedintohighdimensionalfeaturespace,Theninthefeaturespacecorrespondinglinearoperation,themethodispowerfulineliminatingthestatisticalcorrelationbetweenfeaturevectorsandimprovingefficiencyoffeatureextrac

5、tioninthehighdimensionalfeaturespace.TheexperimentalresultsonOlivettiResearchLaboratory(ORL)facedatabaseshowthatthenewmethodoffeatureextractionmethodinfacerecognitioniseffective.Keywords：Facerecognition;Dimensionreduction;kernelmaximummargincriterion(KMMC)V目录引言1第1章绪论21.1人脸识别的研究意义21.2人脸识别的

6、研究现状21.3人脸识别的应用31.4人脸识别的研究内容31.5人脸识别存在的问题41.6本文的研究内容及组织结构5第2章人脸识别概述62.1基于几何特征的人脸识别62.2基于弹性图匹配的人脸识别62.3基于神经网络的人脸识别62.4基于模板匹配的方法72.5基于隐马尔可夫方法72.6基于贝叶斯网络的人脸识别72.7基于核方法的人脸识别82.8本章小结9第3章数据降维算法概述103.1线性降维算法103.1.1主成分分析103.1.2线性判别分析113.2非线性降维算法123.2.1等度映射123.2.2局部线性嵌入133.2.3拉普拉斯映射133.2.4基于核技巧的非线

7、性降维算法143.3流行学习算法的几个线性化算法143.4本章小结15第4章基于核方法的最大间距准则算法164.1引言164.2算法推导164.2.1KPCA算法164.2.2MMC方法184.2.3KMMC算法204.3系统功能及实现224.3.1系统基本功能流程224.3.2系统演示说明254.4计算机仿真算法描述与实验结果294.4.1实验参数描述294.4.2算法描述29V4.4.3实验与实验结果304.5本章小结34结论与展望35致谢36参考文献37附录A外文文献及译文38附录B参考文献的题录及摘要51附录C程序源代