ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

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

ارزیابی الگوریتم های PCAوKPCA در تشخیص چهره انسان

سال انتشار: 1394
کد COI مقاله: NCEGIT01_058
زبان مقاله: فارسیمشاهده این مقاله: 504
فایل این مقاله در 8 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 8 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارزیابی الگوریتم های PCAوKPCA در تشخیص چهره انسان

بابک قاسمی - دانشجوی کارشناسی ارشد فتوگرامتری دانشکده مهندسی ژئودزی و ژئوماتیک دانشگاه صنعتی خواجه نصیرالدین طوسی
حمید عبادی - دانشیار گروه فتوگرامتری و سنجش از دور دانشکده مهندسی ژئودزی و ژئوماتیک دانشگاه صنعتی خواجه نصیرالدین طوسی
فرشید فرنود احمدی - استادیار گروه نقشه برداری دانشگاه تبریز

چکیده مقاله:

استخراج ویژگی یکی از مهم ترین مسائل در سیستم های تشخیص چهره می باشد در این مقاله از روش های تحلیل مولفه های اساسی PCA و تحلیل مولفه های اساسی کرنل KPCA به منظور استخراج ویژگی و تشخیص چهره استفاده شد و نتایج آن ها با هم مقایسه شده است با استفاده از تابع کرنل می توان به طور موثر مولفه های اساسی را در فضاهای ویژگی ابعاد بالا بسته به نوع فضای ورودی و به وسیله تصویر کردن غیر خطی محاسبه کرد کرنل استفاده شده در این مقاله کرنل پلی نومیال می باشد نتایج عملی نشان گر این است که با افزایش تعداد مولفه های استفاده شده صحت کار بالاتر می رود و بعد از تعداد معینی ثابت باقی ماند این مقدار ثابت مولفه می تواند با استفاده از رابطه نسبت انرژی و در مقدار 0/99 به دست آید همچنین روش KPCAعملکرد بهتری نسبت به روش PCA داشته و با افزایش تعداد داده های آموزشی نتایج بهتر می شوند

کلیدواژه ها:

استخراج ویژگی،تشخیص چهره،تحلیل مولفه های اساسی کرنل،کرنل پلی نومیال،تحلیل مولفه های اساسی

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا NCEGIT01_058 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/461531/

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:
قاسمی، بابک و عبادی، حمید و فرنود احمدی، فرشید،1394،ارزیابی الگوریتم های PCAوKPCA در تشخیص چهره انسان،اولین کنفرانس ملی مهندسی فناوری اطلاعات مکانی،تهران،،،https://civilica.com/doc/461531

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، قاسمی، بابک؛ حمید عبادی و فرشید فرنود احمدی)
برای بار دوم به بعد: (1394، قاسمی؛ عبادی و فرنود احمدی)
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 :

  • Chellappa, R., C.L. Wilson, and S. Sirohey, Human and machine ...
  • Jain, A.K., A. Ross, and S. Prabhakar, An introduction to ...
  • Zhao, W., et al., Face recognition: A literature survey. ACM ...
  • Grudin, M.A., On internal representations in face recognition systems. Pattern ...
  • SUN, T., S. GU, and Y. FEI, A Comparative Study ...
  • HUANG, G. and H. SHAO, Kernel Principal Component Analysis and ...
  • Lu, J., et al., An efficient kernel discriminant analysis method. ...
  • Yang, J., J.-y. Yang, and A.F. Frangi, Combined fisherfaces framework. ...
  • Scholkopf, B., A. Smola, and K.-R. Miller, Nonlinear component analysis ...
  • Scholkopf, B. and A.J. Smola, Learning with kernels: Support vector ...
  • Yang, J., et al., KPCA plus LDA: _ complete kernel ...
  • 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 دولتی
    تعداد مقالات: 10,191
    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

    مقالات مرتبط جدید

    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