基于主分量特征与独立分量特征的人脸识别实验-中国学术期刊网络出版总库

中国学术期刊网络出版总库

关闭

基于主分量特征与独立分量特征的人脸识别实验

推荐 CAJ下载

PDF下载

【英文篇名】	Face recognition experiment based on principal components and independent components
【下载频次】	★★★★★
【作者】	徐勇; 张重阳; 杨静宇;
【英文作者】	XU Yong; ZHANG Chong-yang; YANG Jing-yu (Department of Computer Science; Nanjing University of Science and Technology; Nanjing 210094; China);
【作者单位】	南京理工大学计算机科学系; 南京理工大学计算机科学系江苏南京; 江苏南京;
【文献出处】	计算机工程与设计 , Computer Engineering and Design, 编辑部邮箱 2005年 05期期刊荣誉：中文核心期刊要目总览 ASPT来源刊 CJFD收录刊
【中文关键词】	人脸识别; 特征抽取; 主分量分析; 独立分量分析;
【英文关键词】	face recognition; feature extraction; PCA; ICA;
【摘要】	PCA是一种基于二阶统计的最小均方误差意义上的最优维数压缩技术,PCA方法所抽取特征的各分量之间是统计不相关的。ICA方法使用数据的二阶和高阶信息抽取数据的独立分量特征。在人脸图象识别的实际应用中,PCA与ICA方法各有胜负。PCA方法抽取出的主分量特征与ICA方法抽取出的独立分量特征是对原数据的两类不同描述,并设计出一个基于这两类特征的分类器组合方案;联合使用这两类特征,实验得出的人脸识别结果显示,基于分类器组合方案的识别结果优于单独使用PCA特征或ICA特征的单分类器方法。
【英文摘要】	PCA (principal component analysis) is the optimal dimension compression technique based on second-order information, in the sense of mean-square error. Features extracted by PCA are statistically uncorrelated to each other. ICA (independent component analysis) extracts features for data using their second-order and higher-order information. In the applications on face image recognition, it is hard to say that PCA is superior to ICA or ICA is superior to PCA. The two kinds of features extracted by PCA and IC...
【基金】	国家自然科学基金项目(60072034)
【更新日期】	2005-08-19
【分类号】	TP391.4
【正文快照】	1引言特征抽取是人脸识别的基础。不同的特征空间往往对应不同的识别效果,寻找到合适的特征空间是实现人脸识别的关键。分别基于PCA(主分量分析)方法与ICA(独立分量分析)方法抽取出的特征是两类广泛使用的特征。PCA与ICA分别基于不同的准则,以期抽取出的特征能最好地表达或重构

xxx

【相似文献】

中国期刊全文数据库

中国优秀硕士学位论文全文数据库

中国博士学位论文全文数据库

中国重要会议论文全文数据库

中国重要报纸全文数据库

中国学术期刊网络出版总库

点击下列相关研究机构和相关文献作者，可以直接查到这些机构和作者被《中国知识资源总库》收录的其它文献，使您全面了解该机构和该作者的研究动态和历史。

【文献分类导航】从导航的最底层可以看到与本文研究领域相同的文献，从上层导航可以浏览更多相关领域的文献。

工业技术
　

自动化技术、计算机技术
　　

计算技术、计算机技术
　　　

计算机的应用
　　　　

信息处理(信息加工)
　　　　　

模式识别与装置


	CNKI系列数据库编辑出版及版权所有：中国学术期刊(光盘版)电子杂志社中国知网技术服务及网站系统软件版权所有：清华同方知网(北京)技术有限公司其它数据库版权所有：各数据库编辑出版单位（见各库版权信息）京ICP证040431号互联网出版许可证新出网证（京）字008号

相似文献

文献分类导航