Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

ارزیابی روش های کاهش بعد PCA و LDA با روش تقسیم داده LOO به کمک دسته بندی SVM در تشخیص چهره

دومین همایش پژوهش های نوین در علوم و فناوری
سال انتشار: 1394
کد COI مقاله: EMAA02_179
زبان مقاله: فارسیمشاهده این مقاله: 3,010
فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 15 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارزیابی روش های کاهش بعد PCA و LDA با روش تقسیم داده LOO به کمک دسته بندی SVM در تشخیص چهره

آتنا عباس زاده - دانشجوی کارشناسی ارشد مهندسی برق کنترل- دانشگاه آزاد مشهد
سعید طوسی زاده - دکتری برق کنترل، استادیار دانشگاه آزاد اسلامی – واحد مشهد
حسین اثباتی - کارشناس ارشد مهندسی برق کنترل – دانشگاه آزاد گناباد

چکیده مقاله:

در این مقاله دو روش تبدیلی کاهش بعد ویژگی ها برای سیستم تشخیص چهره مبتنی بر ماشین بردار پشتیبان SVM مقایسه می شود. این روش ها شامل آنالیز مولفه های اصلی PCA و آنالیز تفکیک کننده خطی LDA می باشد. در این مقاله به منظور دسته بندی تصاویر چهره بانک اطلاعاتی ORL استفاده شده است. روش کار بدین صورت است که ابتدا با استفاده از هر روش، بعد ویژگیها کاهش می یابد و سپس مدت زمان آموزش، آزمایش و درصد شناسائی توسط سیستم تشخیص چهره مبتنی برSVM برای ویژگیهای مربوط به هر یک از دو روش را بدست آورده و مقایسه می کنیم. به منظور بررسی اثر استفاده از تعداد مولفه هایLDA و PCAدر میزان دقت و زمان دسته بندی چهره های بانک اطلاعاتی بکار رفته، مراحل دسته بندی با تعداد مولفه های مختلف انجام شد و مقایسه گردید.مقایسه نتایج نشان داد تکنیکLDAزمان آزمایش و آموزش کمتری دارد و سیستم تشخیص چهره به درصدهای بالاتری در شناسائی دست یافت. بنابراین ویژگی هایی که به روشLDA بدست آمده دارای اطلاعات مفید بیشتری می باشند و میزان اطلاعات مفیدی که از دست می رود کمتر از روش دیگر است در حالت بهینه دقت تشخیص 69.9996 % بدست آمد.

کلیدواژه ها:

آتالیز مولفه های اصلی ، آنالیز تفکیک کننده خطی ، ماشین بردار پشتیبان ، کاهش بعد ویژگی ها ، بانک چهرهORL

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا EMAA02_179 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/403795/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
عباس زاده، آتنا و طوسی زاده، سعید و اثباتی، حسین،1394،ارزیابی روش های کاهش بعد PCA و LDA با روش تقسیم داده LOO به کمک دسته بندی SVM در تشخیص چهره،دومین همایش پژوهش های نوین در علوم و فناوری،کرمان،https://civilica.com/doc/403795

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1394، عباس زاده، آتنا؛ سعید طوسی زاده و حسین اثباتی)
برای بار دوم به بعد: (1394، عباس زاده؛ طوسی زاده و اثباتی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • علی مطیع نصرآبادی، "ارزیابی کیفی و کمی تغییرات هوشیاری و ...
  • and 3D face recognition: A survey", Pattern Recognition Letters 28 ...
  • Franke Belhumeur, Peter N., Joao P. Hespanha, and David J. ...
  • M.Trk, APentland, Eigenfaces For Recognition, Journal of Cognitive Neuro-Scicnce , ...
  • A.Pentland. B.Moghaddam, T.Starne, View-Based and Modular Eigenspaces for Face Recognition, ...
  • B.Moghaddam, C.Nastar, APentland, Bayesian Face Recogni-on Using Deformable Intensity Surfaces. ...
  • B.Moghaddam, W.Wahid, APentland, Beyond Eigenfaces Probabilistic Matching for Face Recogni-on, ...
  • Cortes .C, Vapnik.V, _ _ Support-Vector Networks", Machine Learning, 1995: ...
  • Zhiwei.L, Minfen.S, "Classification of Memtal Task EEG Signals Using Wavelet ...

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه آزاد
تعداد مقالات: 10,252
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات پیشنهادی مرتبط

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی