مقایسه بین روش های کاهش بعد آنالیز مولفه های اصلی(PCA) و آنالیز مولفه های اصلی مبتنی بر هسته(KPCA) با روش تقسیم داده KCV به کمک دسته بندی شبکه عصبی المن (ANN-ELMAN) در تشخیص چهره
عنوان مقاله: مقایسه بین روش های کاهش بعد آنالیز مولفه های اصلی(PCA) و آنالیز مولفه های اصلی مبتنی بر هسته(KPCA) با روش تقسیم داده KCV به کمک دسته بندی شبکه عصبی المن (ANN-ELMAN) در تشخیص چهره
شناسه ملی مقاله: TDCONF01_167
منتشر شده در اولین همایش ملی الکترونیکی پیشرفت های تکنولوژی در مهندسی برق، الکترونیک و کامپیوتر در سال 1393
شناسه ملی مقاله: TDCONF01_167
منتشر شده در اولین همایش ملی الکترونیکی پیشرفت های تکنولوژی در مهندسی برق، الکترونیک و کامپیوتر در سال 1393
مشخصات نویسندگان مقاله:
آتنا عباس زاده - کارشناس ارشد مهندسی برق کنترل دانشگاه آزاد اسلامی واحد مشهد
سعید طوسی زاده - استادیار دانشگاه آزاد اسلامی واحد مشهد
خلاصه مقاله:
آتنا عباس زاده - کارشناس ارشد مهندسی برق کنترل دانشگاه آزاد اسلامی واحد مشهد
سعید طوسی زاده - استادیار دانشگاه آزاد اسلامی واحد مشهد
در این مقاله به منظور دسته بندی تصاویر چهره بانک اطلاعاتی ORL، از روشهای کاهش بعد آنالیز مولفه های اصلی ( PCA ) و آنالیز مولفه های اصلی مبتنی بر هسته ( KPCA ) با روش دسته بندی شبکه عصبی المن ( ELMAN ) استفاده شده است. شبکه المن بهعنوان شبکه برگشتی برای مدل کردن حافظه دار سیستم پیشنهاد شده است. به منظور بررسی اثر استفاده از تعداد مولفه های PCA و KPCA در میزان دقت دسته بندی سیستم و زمان دسته بندی چهره های بانک اطلاعاتی بکار رفته، مراحل دسته بندی با تعداد مولفه های مختلف انجام شد و با هم مقایسه گردید که در حالت بهینه دقت تشخیص %93.58 بدست آمد.
کلمات کلیدی: آنالیز مولفه های اصلی، آنالیز مولفه های اصلی مبتنی بر هسته، شبکه عصبی المن، تشخیص چهره، نرمال سازی داده
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/362529/