مقایسه کارایی دو روش غیر خطیKPCA و KFDA جهت استخراج ویژگی های چهره
محل انتشار: دوازدهمین کنفرانس سالانه انجمن کامپیوتر ایران
سال انتشار: 1385
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,969
فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ACCSI12_211
تاریخ نمایه سازی: 23 دی 1386
چکیده مقاله:
در این مقاله، دو روش غیرخطی Kernel PCA و Kernel FDA جهت استخراج ویژگی ها در یک سیستم بازشناسی چهره مورد بررسی قرار گرفته و کارایی این دو روش با یکدیگر و با روش همبستگی و دو روش خطیFLDA و PCA مقایسه می شود . جهت مشاهده نتایج از دو مجموعه داد ة استانداردAT&T و YALE استفاده شده است و روی هر مجموعه داده ، دو استراتژی متفاوت جهت آزمایش به کار رفته اس ت: یکی استراتژی آزمایش تصادفی و دیگری استراتژی همه به جز یکی . همچنین روش نزدیکترینهمسایه جهت طبقه بندی چهره استفاده می شود.
کلیدواژه ها:
نویسندگان
قاسم میرجلیلی
استادیار دانشکده مهندسی برق، دانشگاه یزد
بابک کشاورزی
دانشجوی کارشناسی ارشد، دانشکده مهندسی برق، دانشگاه یزد
محمدتقی صادقی
استادیار دانشکده مهندسی برق، دانشگاه یزد
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 :