首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 375 毫秒

1.  基于主分量特征与独立分量特征的人脸识别  
   贾莹  段玉波《佳木斯工学院学报》,2010年第2期
   PCA方法抽取出的主分量特征与ICA方法抽取出的独立分量特征是对原数据的两类不同描述.PCA是一种基于二阶统计的最小均方误差意义上的最优维数压缩技术,PCA方法所抽取特征的各分量之间是统计不相关的.ICA方法使用数据的二阶和高阶信息抽取数据的独立分量特征.文章对这两种方法做了理论上的比较,并通过实验证明ICA算法提取的特征子空间在人脸识别应用中更有效,识别率更高.    

2.  基于PLS的信息特征压缩算法  被引次数:4
   丁世飞  靳奉祥  史忠植《计算机辅助设计与图形学学报》,2005年第17卷第2期
   提出了基于偏最小二乘(PLS)方法的信息特征压缩算法.较主成分分析(PCA)方法,该算法具有简单、稳健、易于定性解释等优点,对于多重共线性资料,尤其当解释变量多,而样本量少时很有效.由于在考虑压缩数据矩阵X的信息的同时,顾及了与目标矩阵Y的最大相关性等优点,使之更符合实际.数值实例研究表明,文中算法是可行的、有效的,为模式识别的信息特征压缩提供了一种新的研究方法.    

3.  基于图嵌入和最大互信息组合的降维  
   王飞  禹卫东《微计算机信息》,2009年第25卷第2期
   在特征降维方面,图嵌入框架统一了PCA,LDA等一系列特征降维算法,方便求解,但相似度矩阵计算有赖于人为假设.而最大互信息(MMI)从信息论的角度得到有效的特征降维变换,但是求解复杂.针对这种情况,本文指出了图嵌入和最大互信息的联系,给出了基于两者组合的新算法GE-MMI.该算法继承了两者的优点,是一种有效的特征降维方法.    

4.  一种基于PCA和ReliefF的特征选择方法  被引次数:1
   蒋玉娇  王晓丹  王文军  毕凯《计算机工程与应用》,2010年第46卷第26期
   如何减少样本的训练测试时间、提高分类精度是有效特征选择方法研究的重要方面。提出了一种结合PCA和ReliefF的特征选择算法。该算法选择出了最具有代表性的特征,构成有效特征子集,实现了特征降维。同时,较PCA-GA方法,该算法具有简单、快速等优点。利用标准数据集进行的实验结果表明,文中算法是可行的、有效的,为模式识别的信息特征压缩提供了一种新的研究方法。    

5.  结合信息论和运动信息的镜头检测算法*  
   易璨  石跃祥  成洁《计算机应用研究》,2007年第24卷第6期
   在分析已有基于信息论的镜头检测算法的基础上,针对其在镜头渐变尤其是在镜头融合的检测上的不足,提出了一种新的镜头算法.该算法以信息论为基础,结合运动信息对镜头变换进行检测.试验结果表明,该算法有着良好的镜头变换检测能力.    

6.  一种基于人脸垂直对称性的变形2DPCA算法  被引次数:1
   曾岳  冯大政《计算机工程与科学》,2011年第33卷第7期
   本文分析了人脸的对称性和主成分分析法(PCA)、二维主成分分析法(2DPCA)的特性,证明了2DPCA协方差矩阵就是PCA协方差矩阵的主角线的平均值,同时表明2DPCA减少了对人脸识别有用的协方差信息。提出了一种基于人脸垂直对称性的变形2DPCA算法(S2DPCA),该算法最大程度地利用了协方差鉴别信息,用更少的系数表示一张人脸图像。通过在ORL的实验比较表明,该算法与PCA算法相比降低了计算复杂性,与2DPCA方法和PCA方法相比提高了人脸识别率,在识别率方面优于传统算法(PCA(Eigenfaces)、ICA、Kernel Eigenfaces),同时也压缩了人脸的存储空间。    

7.  基于双重特征空间的人脸识别  
   龙丹  石跃祥  陈良军《计算机工程与设计》,2007年第28卷第1期
   多目标遗传算法(MOGA)是求解多目标优化问题的有效工具,因而在求解实际问题中得到越来越广泛的应用.PCA是一种基于二阶统计的最小均方误差意义上的最优维数压缩技术,PCA方法所抽取特征的各分量之间是统计不相关的.在人脸识别的实际应用中,将多目标遗传算法引入到PCA所生成的特征空间的优化中,提出基于双重特征空间的人脸识别算法.通过对剑桥ORL库实验表明,该方法与传统的PCA相比,识别率得到明显提高.    

8.  基于Bit平面和广义PCA的人脸识别  
   冷严  王汇源  郭恺  王增锋《计算机工程》,2007年第33卷第6期
   提出了一种结合Bit平面信息和广义PCA进行人脸识别的新算法。利用人脸图像的Bit平面信息,经特征融合来构造新的人脸,在此基础上再进行广义PCA分析。实验表明,该文提出的方法不仅能提高人脸的识别率,而且在人脸特征空间的维数较低时,识别率已经达到稳定。    

9.  基于主成分分析的人脸个体差异识别算法  被引次数:1
   龚劬  卢力  廖武忠《计算机工程》,2012年第38卷第1期
   传统基于主成分分析(PCA)的人脸识别算法不能最优区分不同种类样本。为此,提出一种新的基于PCA的人脸识别算法。利用PCA降维方法提取人脸的个体差异特征,并采用最近邻距离分类器对该特征进行分类。在ORL人脸数据库上的实验结果表明,与传统算法相比,该算法的正确识别率较高。    

10.  改进的PCA算法在人脸识别中的应用研究  
   周亦敏  袁毅《微计算机信息》,2012年第8期
   PCA将图像看作具有一定分布的随机向量,可以得到人脸图像分布的主成份方向,从本质上来讲这是一种基于统计分析信息的方法。由于人脸结构的相似形,本文提出一种改进的PCA算法,把输入图像经过直方图均衡化,边缘检测,突出人脸特征,得到降维的可对其进行PCA分析的图像。实验结果表明,改进的PCA算法在不降低识别率的前提下,大大提高了人脸识别的速度    

11.  人脸识别算法  
   闫常浩  丁先锋  韦鑫余《四川兵工学报》,2011年第32卷第4期
   分析了PCA、LDA人脸识别方法的原理,对PCA及LDA在应用过程中遇到的特征值选择和距离准则问题进行了研究,实现了基于PCA、LDA算法的人脸识别。针对PCA、LDA的不足和缺点,采用了一种解决方法——PCA+LDA。该方法用PCA方法对特征空间进行降维,利用F isher线性辨别分析方法分类,实现人脸的识别。实验证明,该方法不仅提高了特征提取的速度,而且识别率也比单独的PCA方法和LDA方法高。    

12.  无线Ad hoc网络中基于节点停留概率的路径压缩  
   周曜  徐佳  刘凤玉《电子与信息学报》,2010年第32卷第4期
   该文提出一种基于节点停留概率的路径压缩算法NSP-PCA。通过计算造成路径变化的节点相对于另一节点传输区域的停留概率,动态预测压缩路径的稳定性,并以此为依据决定压缩操作的优先级。仿真表明,NSP-PCA能有效控制短暂缩减和多次缩减等非正常压缩,在端到端时延,路由开销和包发送率方面均优于SHORT和PCA压缩算法。    

13.  基于负载灰度图映射模型的云集群负载评估方法  
   董静宜  王鹏  秦永波  江炳坤  陈磊  任超《计算机科学》,2012年第39卷第3期
   为了快速评估云计算中百万节点的整体负载状态,通过分析负载均衡本质与图像均衡特征的对应关系,以熵和信息论为基础,构建了集群负载信息向灰度图的映射模型,完成了负载均衡研究向图像均衡分析的转换。通过图像压缩、信息熵、haar小波变换方法对图像进行分析,提出了一种基于图像处理的集群负载评估方法。实验表明,该方法可以较快地评估出集群均衡性,由此得到的集群负载状态值为负载均衡算法的改进提供了新的思路。    

14.  基于互信息最大化的特征选择算法及应用  被引次数:2
   唐亮  段建国  许洪波  梁玲《计算机工程与应用》,2008年第44卷第13期
   该文以互信息最大化原则为指导,经过推导和分析后提出了一种基于信息论模型的新的特征选择算法,称之为基于互信息最大化的特征选择算法(MaxMI)。基本思想就是特征选择后,应当尽可能多地保留关于类别的信息。该算法与传统的信息增益、互信息和交叉熵在表达形式上具有一定的相似性,但是并不完全相同。从实验上验证了基于互信息最大化的特征选择算法优于其它三种算法。    

15.  基于DCT的PCA人脸识别系统研究  
   刘晓云  孙运强  姚爱琴《可编程控制器与工厂自动化(PLC FA)》,2014年第4期
   人脸识别是一种重要的生物特征识别技术。本文提出了一种基于DCT的PCA的特征提取方法,该算法先对整个原始人脸图像进行DCT变换得到系数矩阵,再提取包含原始图像大部分信息的少量系数作PCA,提取出特征脸,再进行分类识别。对ORL人脸库仿真实验表明,该方法优于单独DCT与PCA特征提取的识别方法,并且减少了运算量。    

16.  融合小波变换和张量PCA的人脸识别算法  被引次数:1
   温浩  卢朝阳  高全学《西安电子科技大学学报(自然科学版)》,2009年第36卷第4期
   张量主成分分析(PCA)方法用于人脸识别能获得比PCA方法更高的识别率.小波变换具有良好的时频分析特性,同时还能起到降维的作用.综合利用这两个算法的优点,提出了一种新的人脸识别算法,对人脸图像先采用小波变换做预处理得到4个子带图像,然后对每个子带图像用张量PCA进行特征提取,实现人脸图像的高效识别.仿真结果表明,新算法的识别率比张量PCA方法提高了6%,识别时间为张量PCA方法的35.74%.    

17.  一种基于分块个体子空间的人脸识别方法  
   廖舸  王正勇  吴晓红  罗代升  雷印杰《激光杂志》,2008年第29卷第3期
   针对传统PCA算法的局限性,本文提出了一种基于个体子空间和分块特征提取的人脸识别方法。该方法不同于传统的PCA算法,它为每一个体人脸对象建立一个该个体对象所独有的人脸子空间,并且运用分块特征提取,加强了对样本局部特征信息的提取。在识别过程中,将待测人脸图像对不同个体人脸子空间进行投影后,再运用最近距离分类原则进行分类识别。该方法相对于传统的PCA算法能够更好地描述不同个体人脸之间的差异性,克服各类噪声。本文的实验结果表明,该方法的识别率相对于传统PCA特征脸算法具有一定的提高,能够较好地克服光照、表情和姿态变化的影响。    

18.  基于SIFT和PCA的图像感知哈希方法  
   孙锐  闫晓星  高隽《电路与系统学报》,2013年第1期
   提出了一种新颖的基于尺度不变特征变换(SIFT)和主成分分析(PCA)的感知哈希方法。SIFT特征在通常的图像处理中具有很强的稳定性,并具有尺度和旋转不变性,通过对哈希生成两阶段框架的详细分析,SIFT算法用来提取图像的局部特征点,PCA用来对特征数据的信息压缩。每个特征点的PCA基的叠加构成图像哈希,在叠加中采用了伪随机处理,增强了算法安全性,图像之间的相似度通过哈希的归一化相关值来确定。实验分析表明该方法对各种复杂攻击,如图像旋转、光照变化、图像滤波等具有较好的稳健性,对比基于非负矩阵分解的图像哈希方法在图像识别应用中具有更好的性能。    

19.  量子主成分分析算法  
   阮 越  陈汉武  刘志昊  张 俊  朱皖宁《计算机学报》,2014年第3期
   主成分分析(Principal Component Analysis,PCA)是模式识别领域,尤其是人脸识别中一种应用广泛的重要算法.然而,在此算法及其后续的改造算法中始终存在两个主要问题:(1)降维处理后的特征空间依然较大;(2)用于比较两幅人脸特征相似性的测度方法计算量较大,从而导致算法在识别阶段的时间效率较差.该文基于量子信息的相关理论与方法,并受算术编码基本思想的启发,提出了量子PCA算法.设计了一种人脸特征编码方案,进一步压缩了降维处理后的特征空间;将两幅人脸特征的相似性测度方法改为在某一阈值条件下的等值判定;应用Grover算法修改识别阶段的处理流程,使得算法的时间效率有了显著提高.    

20.  基于代数特征与粗糙集相结合的特征提取方法  
   邵俊  吴小俊  王士同  杨静宇《计算机工程》,2008年第34卷第3期
   对特征抽取方法进行了研究,提出一种新的特征抽取方法,克服了Roman W等提出的特征抽取方法中缺乏鉴别信息的缺点.通过对高维的人脸数据用PCA和LDA降维,利用粗糙集理论中的属性约简算法进行进一步的维数压缩.实验结果表明,该方法具有良好的性能.    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号