مقایسه روش های کاهش بعد KPCA و ICA با روش تقسیم داده KCV به کمک دسته بندی شبکه های عصبی المن ELMAN در تشخیص چهره
محل انتشار: دومین همایش پژوهش های نوین در علوم و فناوری
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 871
فایل این مقاله در 14 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:
EMAA02_180
تاریخ نمایه سازی: 8 آذر 1394
چکیده مقاله:
انتخاب ویژگیها از موضوعات مهم در تشخیص چهره است . از میان انبوه ویژگیهائی که می توان در نظر گرفت باید مشخصکرد که کدام یک واقعا مفید هستند. حذف ویژگیهای بی فایده که عملا منجر به کاهش بعد آنها می شود باعث بالا رفتن سرعتمحاسبات و نهایتا کارائی سیستم می شود بطورکلی می توان روشهای کاهش بعد ویژگی را به دو گروه روشهای انتخابی و روشهای تبدیلی تقسیم نمود. در این مقاله دو روش کاهش بعد تبدیلی شامل آنالیز مولفه های اصلی مبتنی بر هسته KPCA وآنالیز مولفه های مستقل ICA را مورد بررسی قرار داده و با اعمال داده های کاهش بعد یافته به یک سیستم تشخیص چهرهمبتنی بر شبکه عصبی المن ELMAN میزان دقت و سرعت سیستم مذکور را مقایسه می کنیم و در نهایت بهترین روش تبدیلی کاهش بعد انتخاب می نماییم. به منظور بررسی، اثر استفاده از تعداد مولفه های KPCA و ICA در میزان دقت و زماندسته بندی چهره های بانک اطلاعاتی ORL ، مراحل دسته بندی با تعداد مولفه های مختلف انجام و مقایسه گردید. مقایسه نتایج نشان داد تکنیک KPCA زمان آزمایش و آموزش کمتری دارد و سیستم تشخیصچهره به درصدهای بالاتری در شناسائی دست یافت. در حالت بهینه دقت تشخیص 97.1467 % بدست آمد
کلیدواژه ها:
نویسندگان
آتنا عباس زاده
دانشجوی کارشناسی ارشد مهندسی برق کنترل- دانشگاه آزاد مشهد
سعید طوسی زاده
دکتری برق کنترل، استادیار دانشگاه آزاد اسلامی – واحد مشهد
حسین اثباتی
کارشناس ارشد مهندسی برق کنترل – دانشگاه آزاد گناباد
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 :