基于改進(jìn)主成分分析方法的人臉識(shí)別算法研究.pdf_第1頁(yè)
已閱讀1頁(yè)，還剩54頁(yè)未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、人臉識(shí)別是模式識(shí)別、計(jì)算機(jī)視覺、人工智能等領(lǐng)域知識(shí)的一個(gè)重要應(yīng)用，也是當(dāng)前熱門的研究課題之一?；谥鞒煞址治?PCA Principle Component Analysis)的Eigenfaces算法是人臉識(shí)別的經(jīng)典算法，該方法是模式識(shí)別判別分析中最常用的一種線性映射方法，是基于統(tǒng)計(jì)特征的人臉識(shí)別算法。
　　 由于傳統(tǒng)PCA方法是把人臉圖像特征提取出來以后，直接用提取出來的特征進(jìn)行識(shí)別，存在特征較多，計(jì)算量較大等問題。如何在提

2、高識(shí)別率的情況下減少特征維數(shù)和降低計(jì)算工作量，這些正是粗糙集理論研究的內(nèi)容。
　　 本文將二者相結(jié)合應(yīng)用于人臉識(shí)別中，減少了特征臉空間的維數(shù)，因此，進(jìn)行基于改進(jìn)主成分分析方法的人臉識(shí)別算法研究具有一定的理論意義和實(shí)踐價(jià)值。本文完成了以下工作：
　　 首先介紹了人臉識(shí)別的背景、研究范圍以及方法，對(duì)人臉識(shí)別領(lǐng)域的一些理論方法作了總體的介紹。
　　 其次對(duì)粗糙集理論的基本知識(shí)、離散化算法、約簡(jiǎn)算法進(jìn)行了研究，提出了一種

溫馨提示

  • 1. 本站所有資源如無(wú)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒有圖紙預(yù)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(kù)僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論