基于小波PCA与BP神经网络的人脸识别算法

特征提取和分类器设计是人脸识别算法中的两个关键问题。提出一种基于二次小波变换、PCA算法与BP神经网络的人脸识别算法。该算法采用二次小波变换与PCA相结合的算法提取人脸图像的主要特征,并运用加入动量项的改进BP神经网络算法进行人脸图像分类识别。在MATLAB环境下,利用ORL人脸图像数据库进行了仿真实验,实验结果表明,该算法实现简单、识别速度快、识别率较高。     

基于LLE和BP神经网络的人脸识别

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。     

基于概率神经网络优化DWT-2DLDA的高噪声人脸识别

针对人脸识别中的原始图像存在噪声而影响识别性能的问题,提出了基于概率神经网络优化二维子空间分析的人脸识别方法。首先,使用离散小波变化对图像进行预处理;然后,利用二维线性判别分析进行特征提取;最后,利用概率神经网络完成人脸分类。在ORL和FEI量大通用人脸数据库及自己搜集的数据库上的实验结果表明,在添加噪声的情况下,识别率也可高达98.9%,相比几种较新的识别方法,本文方法取得更好的识别性能。     

基于ICA与BP神经网络相结合的人脸识别研究

提出了独立成分分析和BP神经网络相结合的人脸识别方法。首先对人脸图像进行小渡分解。提取人脸图像的低频子带图像，然后用被立成分分析方法对低频子带图像进行特征提取，并用改进的BP神经网络时所提取的人脸特征进行分类识别。在AR人脸图像库中进行的实验表明，此方法取得了较高的识别率。     

主成分分析与BP神经网络的人脸识别方法研究

BP神经网络在人脸识别方面的研究中,原始样本数据不进行预处理与特征提取,不仅使识别结果准确降低,而且使BP神经的结构复杂化。主成分分析法能提取代替样本的少数几个主成分,这些主成分彼此不相关,符合特征优化的要求。BioID人脸数据库实验表明,将主成分分析与BP神经网络相结合,与传统单一的BP神经网络识别相比,提高识别的正确率,减少了训练时间,同时简化了网络结构,减少很大的计算量。     

基于神经网络的人脸识别系统

针对人脸在整个图像中识别的问题,提出了基于神经网络的前端人脸检测系统.该系统首先将训练集中每个图像划分成独立的小窗口,并标示出每个窗口中包含的人脸图像,并据此对神经网络进行训练.在利用神经网络对人脸进行识别的过程中,对待检测图像划分为分辨率为金字塔形的小图像,然后对每个分辨率的小图像进行人脸识别.同时为了提升系统对人脸检测的准确率和误报率,需要对多个神经网络输出的阈值进行权衡.本系统使用自适应算法,增加了错误检测集以提升系统的检测精度.     

一种光照不变的人脸识别新方法

本文研究并实现了小波变换,光照商图像与BP神经网络相结合对不同光照条件下的人脸图像进行识别的算法.运用小波变换方法对图像进行降维,运用光照商图像方法对图像进行预去光,运用BP神经网络进行人脸识别;同时讨论了BP网络输入矢量的标准化处理问题、网络隐含层神经元数选取问题,以及对Sigmoid函数和网络学习速率的改进问题.利用Yale Face Database B人脸数据库进行识别实验,结果表明,通过预去光,网络的识别率有了显著提高;本文设计的改进BP网络在与非改进网络得到相同识别率情况下,其收敛速度明显加快.     

基于BP神经网络的地震动信号识别

通过数据采集得到三种不同类型车辆的地震动信号,采用小波消噪和特征提取,得到样本数据对神经网络进行训练,训练完成的神经网络就能实现车辆类型的识别。试验结果表明,BP神经网络对车辆目标具有较高的识别率,证明对地震动信号的特征提取方法是正确的,人工神经网络是有效的目标识别方法。     

基于PCA和BP神经网络的步态识别系统研究

步态识别是生物特征识别技术中的一个新兴领域,它根据人们走路的个体特点进行身份识别,具有非侵犯性、难以隐藏、对系统分辨率要求低、远距离识别等优点,已成为基于视觉的人体运动分析的研究热点。该文提出了基于主成分分析(PCA)的特征提取方法,有效地对高维步态轮廓特征进行降维,再利用BP神经网络进行特征分类识别。实验结果表明,算法达到了较高的识别率。     

BP神经网络在电力负荷中的应用

介绍了小波变换和BP神经网络理论,根据分析所用负荷数据的特点,采用两种理论结合的方法,对电力系统中长期负荷进行预测.     

基于改进BP神经网络的数字识别

针对BP(Back Propagation)神经网络易陷入局部极小、收敛速度慢的缺点,提出了一种新的BP神经网络改进算法.与标准BP算法比较,该系统通过结合附加动量法和自适应学习速率形成新的BP改进算法.附加动量法虽然可以使BP算法避免陷入局部极小,但是对初始值的选取比较敏感,而且选取合适的学习速率比较困难.而自适应学...     

基于BP神经网络的智能制造系统图像识别技术

研究了基于BP神经网络的智能制造系统图像识别技术。在当前制造业系统设计中,由于图像资源结构复杂,通过BP神经网络,有助于提取图像特征、优选特征向量组成方案,从而优化实现智能制造系统图像识别技术。该文基于BP神经网络设计了一个智能制造系统,并采用B/S模式设计系统结构,制造系统的图像识别技术,可以降低系统在使用过程中18.0的冗余度,同时也提升该系统12.0%的应用性能。结论表明,基于BP神经网络设计实现智能制造系统图像识别技术,可以使系统的平台更具智能性,符合制造业信息化发展要求,提升智能制造系统图像识别性能。     

基于BP神经网络的数字识别研究

为了提高数字识别的准确性和可靠性,将BP神经网络应用于数字识别,并考察了网络结构对系统实时性、识别效果的影响以及初始权值对收敛速度的影响,选取了最佳的隐层节点数和权值初始化函数,实现了基于BP神经网络的数字识别系统。利用MATLAB进行仿真实验,实验结果表明该系统能够实现对数字的有效识别。     

基于BP神经网络图像识别方法的研究

基于BP神经网络的图像识别技术是随着计算机、图像处理人工智能、模式识别等理论发展起来的信息处理技术,是在传统的图像识别方法的基础上融合神经网络算法的一种图像识别方法.     

基于改进BP神经网络的脱机手写文字识别

在MATLAB中构建脱机手写文字识别系统,并利用Levenberg-Marquardt算法对标准BP神经网络的阈值和权值进行优化。经过仿真实验,证明该改进方法克服了在识别过程中BP网络存在的训练时间长、收敛速度慢等缺点,并且提高了系统的识别率,是一种有效可行的BP网络改进方法。     

基于BP神经网络的剩余油形态识别

随着油田开发的不断深入,储集层孔喉内形成剩余油,这些剩余油在-定程度上影响驱油效率.目前,对剩余油的研究主要是通过可视化的玻璃刻蚀模型进行微观动态驱替实验.对于模型中的剩余油形态进行研究分析,可以为油田的二次采油以及三次采油提供重要参考依据.本文使用剩余油形态的几何特征参数作为BP 神经网络的输入对其进行分类识别.通过对该BP 神经网络的训练测试,其具有良好的识别率,能达到快速准确分类识别剩余油形态的目的.     

基于BP神经网络的想象动作电位模式识别研究

脑-机接口是一种全新的信息交换与控制技术,其关键技术是要准确及时地识别出思维脑电的预期动作模式及其特征参数并将之转化为控制命令.本文通过分析和提取左、右手两种想象动作诱发的事件相关去同步(ERD)/同步(ERS)信号特征,并采用BP神经网络对特征量进行模式分类识别,以区分想象动作的意图,进而形成可用来控制轮椅、鼠标等外部机电设备的控制指令.研究结果表明该方法识别率高,速度快,可用于实时脑-机接口系统中.     

基于BP神经网络的网络安全态势预测研究

以网络系统安全运行作为出发点,从入侵检测系统和杀毒软件等安全手段中提取出可以反映网络安全运行的数据。从网络安全运行的威胁性、脆弱性、风险性和基础运行四个方面建立了一套网络安全态势评估体系。通过层次分析法对该评价体系进行计算,获得可以表征网络安全运行状态的综合安全指数。在该体系的基础上,利用BP神经网络对网络安全状态进行预测,实验结果表明,采用BP神经网络可以较好地对网络的安全态势进行预测,在相关研究领域有一定的借鉴价值。     

基于数学形态学和BP神经网络的足趾形状识别方法

根据足趾二值图像形状特征,提出基于数学形态学消散度技术的足趾形状特征提取及BP神经网络聚类的足趾形状识别方法。该法依据数学形态学理论提取物体形心,仅受较少边界凹点影响,对噪声不敏感,比几何中心稳定。提取边界上距形心距离稳定并能区分不同形状的特征点及相互关系,生成特征向量。此向量在二维连续空间中,具有平移、旋转、尺度不变特征;在二维离散应用环境中,由平移、旋转、尺度变化造成误差小,稳定性强。用训练成功的BP神经网络,对不同质量足趾图像识别,均能达到较高识别率。大量实验表明,该法是满足识别精度要求、识别率高于其它方法的一种行之有效的足趾形状识别方法。