

已閱讀1頁,還剩65頁未讀, 繼續(xù)免費閱讀
版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領
文檔簡介
1、人臉識別是模式識別和機器視覺領域最富挑戰(zhàn)性的研究課題之一,它在人機交互,安全監(jiān)視,身份認證等方面有著非常廣闊的應用前景。在目前的特征提取算法中,基于Fisher準則的線性判別分析(LDA)算法是一種較成功的特征提取算法。
但是LDA用于人臉識別時,遇到三個問題:(1)小樣本問題;(2)LDA利用同一個準則函數(shù)把所有樣本投影到同一個特征空間,忽略了不同類的樣本分布的特征差異;(3)LDA對于復合模型分類能力較低。本文針對問題
2、一,利用最大散度差線性鑒別分析來解決;對問題二,利用類依賴線性判別分析方法,對每一類樣本根據(jù)一定的準則函數(shù),建立一個反應本身類別特性的投影矩陣;對問題三,利用增強LDA,通過兩個不同的加權(quán)矩陣對類間離散度矩陣和類內(nèi)離散度矩陣進行重新定義,改進的Fisher準則可以在降維后的子空間中保存局部信息,使距離較近的類別投影后不會混在一起。
最后本文在這些方法的基礎上提出了一種改進方法,類依賴增強LDA,充分發(fā)揮了增強LDA和類依賴
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于lda的人臉識別(1)
- 基于LDA的人臉識別技術(shù)研究.pdf
- 基于多類LDA的人臉表情識別研究.pdf
- 基于LDA和KDA的人臉識別算法研究.pdf
- 基于LDA的人臉圖像分析.pdf
- 基于KPCA和LDA融合改進的人臉識別算法研究.pdf
- 基于LDA的人臉識別系統(tǒng)研究與實現(xiàn).pdf
- 基于lda的人臉識別系統(tǒng)研究——畢業(yè)論文
- 基于Gabor特征的LDA人臉識別.pdf
- 基于組件的人臉識別.pdf
- 基于lbp的人臉識別
- 基于Log-Gabor和KD-LDA的人臉識別算法研究和實現(xiàn).pdf
- 基于iOS的人臉識別.pdf
- 基于改進2D-PCA和2D-LDA的人臉識別方法研究.pdf
- 基于加權(quán)小波分解的人臉識別的人臉識別算法研究.pdf
- 基于PCA和LDA融合的人臉鑒別方法研究.pdf
- 基于ALGTP的人臉識別研究.pdf
- 基于Gabor特征的人臉識別.pdf
- 基于web的人臉檢測與人臉識別.pdf
- 基于ASLBP的人臉識別研究.pdf
評論
0/150
提交評論