计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2011年
27期
195-198
,共4页
主成分分析%二维主成分分析:特征向量维数%小样本%双线性插值%图像旋转
主成分分析%二維主成分分析:特徵嚮量維數%小樣本%雙線性插值%圖像鏇轉
주성분분석%이유주성분분석:특정향량유수%소양본%쌍선성삽치%도상선전
通过应用PCA及2DPCA算法进行人脸识别,得到了在取不同特征值门限情况下的特征提取维数和识别率,给出了以上两种算法最优特征提取向量的维数和最大特征值门限,并在此基础上应用双线性差值图像旋转处理技术,增加了同一个人较少训练样本情况下的训练样本数量,提高了识别率,从一定程度上解决了小样本问题.如果能从小样本图像中生成出一些新的预测信息,例如,增加同一个训练样本的不同的表情,或改变样本表情的深度,实验的效果可能更加明显.
通過應用PCA及2DPCA算法進行人臉識彆,得到瞭在取不同特徵值門限情況下的特徵提取維數和識彆率,給齣瞭以上兩種算法最優特徵提取嚮量的維數和最大特徵值門限,併在此基礎上應用雙線性差值圖像鏇轉處理技術,增加瞭同一箇人較少訓練樣本情況下的訓練樣本數量,提高瞭識彆率,從一定程度上解決瞭小樣本問題.如果能從小樣本圖像中生成齣一些新的預測信息,例如,增加同一箇訓練樣本的不同的錶情,或改變樣本錶情的深度,實驗的效果可能更加明顯.
통과응용PCA급2DPCA산법진행인검식별,득도료재취불동특정치문한정황하적특정제취유수화식별솔,급출료이상량충산법최우특정제취향량적유수화최대특정치문한,병재차기출상응용쌍선성차치도상선전처리기술,증가료동일개인교소훈련양본정황하적훈련양본수량,제고료식별솔,종일정정도상해결료소양본문제.여과능종소양본도상중생성출일사신적예측신식,례여,증가동일개훈련양본적불동적표정,혹개변양본표정적심도,실험적효과가능경가명현.
