优化技术在人脸识别中的应用

优化技术在人脸识别中的应用

ID:35043419

大小:3.30 MB

页数:51页

时间:2019-03-16

优化技术在人脸识别中的应用_第1页
优化技术在人脸识别中的应用_第2页
优化技术在人脸识别中的应用_第3页
优化技术在人脸识别中的应用_第4页
优化技术在人脸识别中的应用_第5页
资源描述:

《优化技术在人脸识别中的应用》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、■■'_?IV'':-._'......,'■-■■:::?::;.,,;;,;;.抓?词:.知..化乃:…-一片'?-■.IJ,.?户'一片'-_把屯心.^话;j;-':-r這蔚藉巧.,:,■.'■^'?气‘-?;■--:.::Jvr,.:山等.;;.‘.';二产-:人妥只:r'祥::;、'-.:却…'於’-.V門二:r

2、?1?V-。--??-—'L.'..%V.;二一V---?一'..-..,'V、户?*兮,Jf^:7?.^'...,,....-V....離?‘-*、..、,…-i_.-i..-......?/-?.-:,.;研究生赵韻红:.片.這丢化聲#立:.羅黃;替.\V^■一■-V‘.:V;-.:;;■骄黃方向享圈像处環巧-_一■■'.

3、?:rI-:-:■.:C.i—_巧壽V麵r搪為擁賴J墳勇进(教授-)-T?_-’二-‘*;-:二-:…:‘V^心^.:I:-r.■:r:.?:.一■'’’.'…-V■?'.古式;.f1-.^r?:;''7.V::--占..-h=.r-.—',^.?-.V,.?‘:早..,

4、人.Jr..■..一心.—'::三三品;非"J.1....,;一〇‘..'_一;^听I;:.:;-^-t;-.i.去r-V:,-戸:;%':二-;与:片V中皆心二一:^^'与-:叩.;去引卓省社:;:;.’..';心—1-;^^;亏立'套’...试亩:^?担节;;軒■;:■^^:■:::;-S4'::.-.a::-5^:1:'?产‘片枯狂玄呼門ra二:心—-’三’ir--r?-’厂。—丄'

5、-;V1、--分类号密级公开UDC学位论文题目:优化技术在人脸识别中的应用研究生姓名:赵敬红学科专业名称:软件工程研究方向:图像处理研究论文类型:应用研究申请学位:工程硕士指导教师姓名:刘勇进指导教师职称:教授指导教师单位:沈阳航空航天大学论文提交日期:2016年03月07日论文答辩日期:2016年03月11日沈阳航空航天大学2016年03月SHENYANGAEROSPACEUNIVERSITYTHESISFORMASTER’SDEGREEAPPLICATIONOFOPTIMIZATIONTECHNIQU

6、ESTOFACERECOGNITIONCandidate:JinghongZhaoSupervisor:YongjinLiuSpecialty:SoftwareEngineeringDate:March,2016沈阳航空航天大学硕士学位论文摘要随着网络数字以及优化技术的飞速发展,越来越多领域中的实际问题用到了模式识别知识。模式识别问题是指对某些事物或某些过程通过已被标记的训练样本进行判别分类的问题。人脸识别技术作为模式识别中经典的分类问题主要指通过对具有类别标签的训练数据样本进行训练,然后得到一个能够对新未知样本分类

7、判别的模型,利用该模型对测试样本归属判别。在现实世界当中,人脸图像容易受角度、表情、姿态变化的影响。矩阵低秩恢复是通过将原矩阵分解成一个低秩矩阵和一个稀疏误差矩阵以便将原矩阵中的噪声进行分离。因此,如何提取出图像有效信息是本文研究的重点。本文的主要研究工作如下:第2章受到最近邻凸包分类器的启示,我们提出了基于低秩恢复的l范数最近邻凸1包分类算法,该算法首先通过对原始训练集进行低秩分解得到了低秩和稀疏两个矩阵并分离出噪声,构建新数据字典,然后分别对测试样本点和新数据字典各类样本建立凸包模型,最后利用计算出的未知样本与训

8、练集各类凸包模型之间的距离进行分类。第3章在第2章单观测样本的基础上提出了基于低秩恢复的l范数多观测样本凸包1分类算法,该算法首先对原始训练集各类和测试集多观测样本进行低秩分解,得到两个矩阵相加的形式,并以此建立新的数据字典,然后分别建立新测试集多观测样本的凸包以及新数据字典各类样本的凸包模型,通过计算并比较多观测样本凸包到各类凸包模型的距离进

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。