CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

گواهی نمایه سازی مقاله 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 روش دسته بندی ماشین بردار پشتیبان(M-SVM) در تشخیص چهره

عنوان مقاله: 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 روش دسته بندی ماشین بردار پشتیبان(M-SVM) در تشخیص چهره
شناسه (COI) مقاله: TDCONF01_168
منتشر شده در اولین همایش ملی الکترونیکی پیشرفت های تکنولوژی در مهندسی برق، الکترونیک و کامپیوتر در سال ۱۳۹۳
مشخصات نویسندگان مقاله:

آتنا عباس زاده - کارشناس ارشد مهندسی برق کنترل، دانشگاه آزاد اسلامی واحد مشهد
سعید طوسی زاده - استادیار دانشگاه آزاد اسلامی واحد مشهد
حسین اثباتی - کارشناس ارشد مهندسی برق کنترل، شرکت صنایع سیمان زابل

خلاصه 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. ماشین بردار پشتیبان کارایی بالایی برای تعمیم پردازش نمونه های کوچک به اطلاعات در ابعادی بزرگ را فراهم می کند. 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 گردیدکه در حالت بهینه دقت تشخیص %97.4167 بدست آمد.

کلمات کلیدی:
آنالیز مولفه های اصلی، آنالیز مولفه های اصلی مبتنی بر هسته ، ماشین بردار پشتیبان چندکاناله، تشخیص چهره. نرمال سازی داده

صفحه اختصاصی مقاله و دریافت فایل کامل: https://www.civilica.com/Paper-TDCONF01-TDCONF01_168.html