بازشناسی حالت چهره با استفاده از تحلیل چندخطی مولفه های غیروابسته اصلی (UMPCA) (ECOC) و کدگذاری خروجی تصحیح کننده خطا (ECOC)
محل انتشار: سومین کنگره بین المللی کامپیوتر، برق و مخابرات
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 588
فایل این مقاله در 15 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:
ITCC03_147
تاریخ نمایه سازی: 6 اردیبهشت 1396
چکیده مقاله:
در این پژوهش یک روش جدید برای تشخیص حالات چهره ارایه شده است. در روش پیشنهادی، ازالگوی دودویی محلی چندگانه (MLBP) و تحلیل چندخطی مولفه های غیروابسته اصلی (UMPCA) برای استخراج ویژگی های تصاویر استفاده شده است. همچنین از کدگذاری خروجی تصحیح کننده خطا برای (ECOC) و مجموعه ای از شبکه های عصبی پروسپترون چندلایه (MLP) برایتشخیص حالات چهره و آموزش کدبیت های ECOC استفاده شده است. روش پیشنهادی برای تعیین ماتریس کد بهینه درECOC از الگوریتم کلونی زنبور عسل استفاده میکند که موجب کاهش زمان محاسباتی سیستم و بهبود دقت تشخیص میشود. برای ارزیابی عملکرد روش پیشنهادی از پایگاه دادهYALE استفاده شده و نتایج حاصل با روشهای مشابه پیشین مقایسه شده است. نتایج این آزمایشات نشان می دهد که روش پیشنهادی در مقایسه با روشهای مشابه از دقت و کارایی بالاتری در تشخیصحالت چهره برخوردار می باشد.
کلیدواژه ها:
تشخیص حالت چهره ، کدگذاری خروجی تصحیح کننده خطا ، تحلیل چندخطی مولفه های غیروابسته اصلی ، الگوی دودویی محلی چندگانه ، الگوریتم کلونی زنبور عسل
نویسندگان
سیدمحمدرضا خسروی
گروه مهندسی کامپیوتر، واحد اراک، دانشگاه آزاد اسلامی، اراک، ایران
سارا نظری
گروه مهندسی کامپیوتر، واحد اراک، دانشگاه آزاد اسلامی، اراک، ایران
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 :