orl
共 45 篇文章
orl 相关的电子技术资料，包括技术文档、应用笔记、电路设计、代码示例等，共 45 篇文章，持续更新中。
Linex损失下的BP神经网络分类方法及在人脸识别中的应用
·摘 要:针对一类特定目标人脸识别中存在的问题,提出一种基于Linex损失下BP神经网络的分类方法,并给出了剑桥大学ORL人脸库上的测试结果.实验结果表明,所提出的方法能有效解决传统BP神经网络特定目标人脸识别中存在的问题.[著者文摘]
一种邻域保持判别嵌入人脸识别方法
·摘 要:邻域保持嵌入（NPE）是一种子空间学习方法,具有保持数据流形上局部邻域结构信息的能力。为了进一步提高NPE的性能,本文提出了一种邻域保持判别嵌入（NPDE）算法,并将其用于人脸识别。在NPDE算法中引入了数据集的判别信息,在保持局部邻域结构信息的同时,具有更强的判别力。在Yale和ORL人脸数据库上的实验结果表明,本文提出的NPDE用于人脸识别具有较高的识别率。[著者文摘]
一种新颖的基于LDA的人脸识别方法
·摘 要:提出一种基于离散余弦变换(DCT)与．LDA相结合的人脸识别方法，首先利用DCT将图像进行降维，然后在低维空间中利用LDA进行特征提取。利用ORL人脸数据库和我们上海交通大学图像处理与模式识别研究所的人脸数据库进行测试，实验结果分别得到了97．5％和92．6％的正确识别率，表明它可以和其他方法相比较。
BP和RBF神经网络在人脸识别中的比较
·摘 要:BP和RBF是模式识别中应用最为广泛的2种神经网络，本文将这2种网络应用于人脸识别，分别建立了人脸识别模型。利用ORL人脸图像数据库进行了仿真实验，通过对比分析它们各自的识别率和泛化能力等性能指标，提出了在应用这2种神经网络进行模式识别时应注意的方面。[著者文摘]
基于RMFA-ICA的人脸识别
·摘 要:针对有噪的ICA模型，提出一种有限制的平均场近似（restrictive mean field approximation，RMFA）的算法来求解ICA模型参数和源信号的估计问题。在传统MFA—ICA算法的基础上，提出将ICA中的模型参数和源信号均限制为非负，目的是使得提取出的特征更独立，更利于识别。通过手写体数字和仿真模拟人脸图形以及ORL人脸数据进行实验，将RMFA—ICA算法与传统
基于切割子模块的单样本人脸识别
·摘 要:针对单样本人脸识别问题,本文提出了一种基于单样本切割的子模块主成分分析方法.该方法将单样本人脸图片切割成大小相同、互不重叠的多个子模块,切割后的子模块集构成新的样本集.对所有子模块作主成分分析（PCA）并提取特征,同一人脸的子模块特征系数作为分类识别的依据.在ORL人脸库上的测试结果表明,同PCA,（PC）2A,Sub-pattern LDA相比,该方法具有更好的识别率.[著者文摘]&n
利用人眼分形码距离进行快速人脸识别
·摘 要:在利用人脸分形码距离进行识别时，需要大量的时间对人脸库中每张人脸图像进行迭代与距离运算。为克服这一缺点，本文提出了用水平方向高频子带来定位眼睛并将其从人脸中抽取出来，进一步提出了基于人眼分形码距离的人脸快速识别算法。利用该算法，可去掉大部分人眼分形码距离较大的图像，从识别时间复杂性分析，本文算法所需时间主要与人眼大小以及用于最后识别的图像数目有关。在ORL和YALE两个人脸库上的实验结果
基于模块C-2DPCA算法的人脸识别方法
·摘 要:提出了基于模块化完全二维主成分分析（modular C-2DPCA）算法的人脸识别方法,该方法首先对图像矩阵进行分块,将分块得到的子图像矩阵直接用于鉴别分析,由于直接基于二维子图像矩阵,能方便地降低鉴别特征的维数,在特征提取过程中可以避免使用矩阵的奇异值分解,方法简便.该方法与改进前完全二维主成分分析（C-2DPCA）方法在ORL人脸数据库上的仿真识别效果比较表明,改进后的方法在保持较高
一种广义的K—L变换与人脸识别
·摘 要:提出了一种直接基于图像矩阵的包含在类平均图像中判别信息的最优压缩方法。在ORL标准人脸库上的试验结果表明，提出的方法不仅识别性能优于传统的主分量分析和Fishr线性鉴别分析，而且特征抽取的速度得到了很大的提高。
一种基于改进主成分分析的人脸识别方法
·摘 要:提出一种主成分分析（PCA）和遗传算法（GA）相结合的人脸识别方法。利用遗传算法进行特征矢量的选择，以构成最有利于分类的特征空间。通过对ORL和Yale两个人脸数据库的实验结果，表明PCA和GA相结合的人脸识别算法优于传统的PCA人脸识别算法。[著者文摘]
小波与多小波变换在支持向量机人脸识别中的研究
·摘 要:以ORL人脸库为基础,采用不同的小波和多小波,对人脸图像进行不同层次的小波和多小波分解,提取低频分量作为特征向量,利用支持向量机（SVM）进行人脸识别,通过实验具体给出了在采用不同的小波和多小波对人脸图像进行不同层数的小波分解时,支持向量机的识别率,该文对实际应用具有良好的指导价值和参考价值.[著者文摘]
基于LLE和BP神经网络的人脸识别
·摘 要:利用LLE非线性降维方法提取人脸特征,然后将提取出来的特征输入到BP神经网络进行训练得到人脸类间的判别信息,进行人脸识别。利用LLE降维方法既能够降低数据维数,减少运算量,又很好的保留了各类人脸样本的拓扑结构,避免人脸图像光照、姿态等因素对人脸识别的影响。在ORL人脸库上的实验结果表明了,这种方法是有效的。
基于对向传播神经网络的人脸识别方法
<P>【摘要】根据对向传播网络适于模式分类的特性，提出了基于对向传播网络的人脸识别方法。同时，为了克服对向传播网络在训练过程中的不稳定性，改进了对向传播网络的学习算法，并且以国际通用的ORL人脸库为对
基于DCT和KDA的人脸特征提取新方法
<P>提出了一种新的人脸特征提取方法，该方法采用DCT对人脸图像进行降维和去噪，并通过KDA提取人脸特征。基于该特征，采用NN分类器，对ORL人脸库进行分类识别，仅用28个特征平均识别率就达到97.3
改进投影梯度非负矩阵分解的单训练样本特征提取研究
<p>摘 要：人脸识别是当前人工智能和模式识别的研究热点。非负矩阵分解(NMF)能够反映样本的局部的内在的联</p><p>系，可用于单样本特征提取，但时间复杂度较高。投影梯度(Projected Gradient，PG)优化方法大幅降低了NMF</p><p>约束优化迭代问题的时间复杂度，但是单训练样本存在对本类信息量描述不足的缺点。为此，该文提出了一种基于</p><p>改进的投影梯度非负矩阵分解
基于分数阶傅里叶变换的人脸识别
<p>1.本文提出了基于局部分数阶傅里叶变换直方图序列的人脸描述识别算法。鉴于分数阶傅里叶变换和局部二值模式（Local binary pattern，LBP）对光照、噪声等因素的鲁棒性，很好地提高了人脸识别率。首先，对一张人脸图像2D-FrFT和LBP编码分数阶域的幅度和相位；其次，编码后纹理图划为无重叠的区域和统计每个区域的直方图，最后将这张人脸图像所有区域的统计直方图串联。此外，本文引入贪婪
基于多分类器融合的人脸识别方法
·摘 要:提出了一种融合整体和局部信息进行人脸识别的新方法。首先利用DCT＋LDA方法提取表达人脸信息能力强的左眼、右眼和嘴巴的局部特征，利用Fisherface方法和简单频谱脸方法提取人脸的整体特征，然后应用多分类器组合规则融合整体和局部特征，实验结果表明利用加法融合规则在ORL和FERET数据库上识别率分别达到98．45％和90．79％，说明了该方法的有效性，同时也表明将多分类组合应用于人脸识
ORL人脸图像数据库
·ORL人脸图像数据库
ORL的人脸识别库
·详细说明：ORL的人脸识别库,是一个较少的人脸库，可很好的用作初期试验
基于矩阵体积度量的二维PCA人脸识别
·摘 要:本文提出一种符合高维几何空间理论的矩阵体积度量分类准则用于人脸识别。基于二维PCA的人脸识别方法主要研究的是特征提取部分,对后继的分类识别研究不多。基于二维PCA的人脸识别方法中典型的分类准则是比较特征向量的欧氏距离,而新方法比较的是矩阵的体积。在ORL和AR人脸库上的实验表明,所提出的矩阵体积度量较传统距离度量分类准则更有效。[第一段]