مقایسه بین روش های کاهش بعد آنالیز مولفه های اصلی(PCA) و آنالیز مولفه های اصلی مبتنی بر هسته(KPCA) با روش تقسیم داده KCV به کمک دسته بندی شبکه عصبی المن (ANN-ELMAN) در تشخیص چهره
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 876
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
TDCONF01_167
تاریخ نمایه سازی: 19 تیر 1394
چکیده مقاله:
در این مقاله به منظور دسته بندی تصاویر چهره بانک اطلاعاتی ORL، از روشهای کاهش بعد آنالیز مولفه های اصلی ( PCA ) و آنالیز مولفه های اصلی مبتنی بر هسته ( KPCA ) با روش دسته بندی شبکه عصبی المن ( ELMAN ) استفاده شده است. شبکه المن بهعنوان شبکه برگشتی برای مدل کردن حافظه دار سیستم پیشنهاد شده است. به منظور بررسی اثر استفاده از تعداد مولفه های PCA و KPCA در میزان دقت دسته بندی سیستم و زمان دسته بندی چهره های بانک اطلاعاتی بکار رفته، مراحل دسته بندی با تعداد مولفه های مختلف انجام شد و با هم مقایسه گردید که در حالت بهینه دقت تشخیص %93.58 بدست آمد.
کلیدواژه ها:
آنالیز مولفه های اصلی ، آنالیز مولفه های اصلی مبتنی بر هسته ، شبکه عصبی المن ، تشخیص چهره ، نرمال سازی داده
نویسندگان
آتنا عباس زاده
کارشناس ارشد مهندسی برق کنترل دانشگاه آزاد اسلامی واحد مشهد
سعید طوسی زاده
استادیار دانشگاه آزاد اسلامی واحد مشهد
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 :