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51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)別技術(shù)在近十幾年來成為圖像處理與模式識(shí)別領(lǐng)域的一個(gè)研究熱點(diǎn),不但在理論研究上具有挑戰(zhàn)性,而且在現(xiàn)實(shí)生活中具有廣闊的應(yīng)用前景與應(yīng)用市場(chǎng)。局部線性嵌入為人們處理非線性降維問題提供了一種新鮮的思路,它能提供高維數(shù)據(jù)的低維緊致坐標(biāo)表示,從而為我們研究高維數(shù)據(jù)帶來極大的幫助,作為一種降維工具,在人臉識(shí)別研究領(lǐng)域具有很大的應(yīng)用潛力。 本文的研究主要是圍繞融合非線性與線性特征的人臉識(shí)別方法展開。鑒于線性方法存在的忽略數(shù)據(jù)內(nèi)在結(jié)構(gòu)信息,不

2、能較好地挖掘出非線性結(jié)構(gòu)的缺點(diǎn),本文提出融合LLE與LDA的人臉識(shí)別方法。首先,將樣本集與測(cè)試集中的圖像分別求取其線性與非線性人臉特征;其次,為了提取更有利的人臉識(shí)別信息,利用當(dāng)前的特征融合技術(shù),將由流形學(xué)習(xí)算法LLE提取的局部非線性特征與LDA提取的全局線性特征融合在一起,揚(yáng)長(zhǎng)避短發(fā)揮各自的優(yōu)勢(shì);最后,根據(jù)所選樣本集的融合特征,選擇匹配度最大的分類特征值作為分類結(jié)果輸出。 本文提出的融合LLE與LDA的人臉識(shí)別方法,實(shí)現(xiàn)了將人

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(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。

評(píng)論

0/150

提交評(píng)論