2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩58頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)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、隨著人工智能的發(fā)展,人臉識(shí)別受到越來(lái)越多的重視。人臉識(shí)別技術(shù)已經(jīng)成為當(dāng)下熱門的研究課題。人臉識(shí)別主要包括了特征提取和特征分類,本文分別從這兩個(gè)方面提出了改進(jìn)的算法:
  (1)提出了一種基于改進(jìn)型卷積神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)的人臉識(shí)別算法。卷積神經(jīng)網(wǎng)絡(luò)可以自動(dòng)提取圖像特征,但識(shí)別率卻有待提高,支持向量機(jī)對(duì)于非線性特征具有良好的分辨能力,本文將兩者結(jié)合起來(lái),同時(shí)在卷積神經(jīng)網(wǎng)絡(luò)中加入Fisher線性度量函數(shù),增大類間距離,減小類內(nèi)距離。實(shí)

2、驗(yàn)證明所提出的算法性能得到了有效地提高。
  (2)提出了一種基于粒子群算法的混合核支持向量機(jī)人臉識(shí)別算法。該算法將全局核函數(shù)和局部核函數(shù)按照比例混合組成一個(gè)新的核函數(shù),以同步保證全局核函數(shù)的強(qiáng)泛化和局部核函數(shù)的強(qiáng)學(xué)習(xí)能力,同時(shí)利用粒子群算法的快速尋找最優(yōu)解的特點(diǎn),優(yōu)化支持向量機(jī)的核參數(shù)。實(shí)驗(yàn)證明該算法也有良好的識(shí)別效果。
  (3)將混合核的支持向量機(jī)作為分類器應(yīng)用到卷積神經(jīng)網(wǎng)絡(luò)中,提出了改進(jìn)型的卷積神經(jīng)網(wǎng)絡(luò)和粒子群優(yōu)化的

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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