基于流形學(xué)習(xí)與分類技術(shù)的人臉識別研究.pdf

1、分類號：密級：學(xué)校代碼：10165學(xué)號：201311000684連掌師耗大學(xué)碩士學(xué)位論文②基于流形學(xué)習(xí)與分類技術(shù)的人臉識別研究作者姓名：學(xué)科、專業(yè)：研究方向：導(dǎo)師姓名：高晴計算數(shù)學(xué)模式識別與計算機圖絲圖堡處堡閆德勤教授20l6年5月遼寧師范大學(xué)碩士學(xué)位論文摘要人臉識別技術(shù)在多個領(lǐng)域中已被廣泛使用，是近年來較為新興的一項技術(shù)。所謂人臉識別，是在已有人的面部特征信息的條件下進行識別的過程。此技術(shù)首先對所采集數(shù)據(jù)進行模仿學(xué)習(xí)，建立起一個人臉數(shù)

2、據(jù)庫，然后再進行數(shù)據(jù)的識別，進行比對，以達(dá)到識別的過程。近年來，隨著科技的發(fā)展，該技術(shù)被廣泛應(yīng)用于生活中的各個方面，因此也成為了當(dāng)今社會研究的一個熱點闖題。對于此項技術(shù)的研究，一些技術(shù)已經(jīng)取得了較好的分類效果，如支持向量機(SupportVectorMachine，SVM)、極端學(xué)習(xí)機(ExtremeLearningMachine，ELM)等傳統(tǒng)的分類算法。但是在實際人臉識別的過程中，人臉的數(shù)據(jù)通常都具有很高的維數(shù)，并且這些數(shù)據(jù)的分布也

3、是不均勻的。因此，如何在人臉識剮中解決不均勻高維數(shù)據(jù)的問題將成為研究的一個熱點。對此，本文將在SVM、ELM基礎(chǔ)上引入流形理論以及微分同胚理論，并提出了兩個新的人臉識別算法：流形SVM算法。SVM在人臉識別的過程中，由于高維數(shù)據(jù)的原因，計算過程中的錯分點會增加，降低了人臉識別率。對此，本文提出了一種基于模糊聚類的局部線性嵌入和SVM的入臉識別方法，該技術(shù)在SVM的基礎(chǔ)上弓f入模糊聚類的局部線性嵌入算法，能夠較好的約束重構(gòu)誤差，更好的保持