多尺度流形學習人臉識別理論與應用研究.pdf_第1頁
已閱讀1頁,還剩65頁未讀, 繼續(xù)免費閱讀

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),請進行舉報或認領(lǐng)

文檔簡介

1、摘要論文題目:多尺度流形學習人臉識別理論與應用研究學科專業(yè):通信與信息系統(tǒng)研究生:焦妍指導教師:張志禹教授張九龍副教授摘要簽名:簽名:簽名:隨著流形學習成為研究熱點,產(chǎn)生了大量的成果,這些算法包括等距映射(Isomap)、局部線性嵌入(LLE)和局部保持映射(LPP)等。本文詳細分析了三種流形學習算法目的、原理及求解過程,并在Swissr01l及有空洞的Swiss110le上進行了實驗,比較它們對凸數(shù)據(jù)和非凸數(shù)據(jù)的嵌入效果。對于分類問題

2、,流形學習沒有充分地利用樣本分布的鑒別信息,所以研究了監(jiān)督流形學習算法SLLE。而在實際的人臉識別應用中,要得到足夠多的有標簽訓練樣本需要花費很大的代價,因此又研究了半監(jiān)督流形學習算法SSLLE。應用這三種算法對人臉圖像進行低維嵌入和規(guī)律挖掘,在二維空間實現(xiàn)可視化,找到了控制人臉圖像的低維變量,證實了高維數(shù)據(jù)中“人臉流形”的存在以及人臉識別具有很大的實際意義。盡管流形學習算法可以發(fā)現(xiàn)嵌入在高維歐氏空間中的低維流形本征信息,但是由于沒有明

3、晰的投影矩陣,對于一個新的測試樣本,只能重新學習。此外,原始特征向量也包含高階相關(guān)性的冗余信息,而流形學習算法對于這些冗余來說是沒有辦法的。(urvelet是一種多尺度多方向的圖像分析工具,有效克服了小波只能處理信號中點奇異性特征的缺陷,能最優(yōu)表達圖像沿曲線方向的奇異性,形成特征的稀疏表達。流形學習方法則能保持高維數(shù)據(jù)的局部線性性質(zhì),使得降維后的數(shù)據(jù)能保持原始數(shù)據(jù)的結(jié)構(gòu)。本文在此將這兩種方法結(jié)合起來,先用Curvelet提取多尺度多方向

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)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論