مقاله تحلیل مولفه اصلی بهبود یافته و طبقه بندی رگرسیون خطی برای تشخیص چهره (2018 الزویر)

 

 

عنوان فارسی مقاله تجزیه و تحلیل مولفه اصلی بهبود یافته و طبقه بندی رگرسیون خطی برای تشخیص چهره
عنوان انگلیسی مقاله Improved Principal Component Analysis and Linear regression classification for face recognition
فهرست مطالب چکیده

1 . مقدمه

2 . تجزیه و تحلیل مولفه اصلی بهبود یافته

3 . روش های طبقه بندی شده برای تشخیص چهره

3.1 . پشتیبانی از ماشین های بردار

3.2 . طبقه بندی رگرسیون خطی

4.1 . پایگاه داده Yale B

4.1.1 . ارزیابی 1

4.1.2 . پروتکل ارزیابی 2

4.2 . پایگاه داده CMU_PIE

4.3 . پایگاه داده JAFFE

4.4 . ارزیابی کارایی الگوریتم

5 . نتیجه

نمونه مقاله انگلیسی Abstract

In this paper, an improved principal component analysis (IPCA) is presented for face feature representation. IPCA is mainly designed to extract the useful information from original face images through reducing the dimension of feature vectors. Linear regression classification (LRC) algorithm is employed to treat the face recognition as a linear regression issue. LRC uses the least-square method to decide the class label with the minimum reconstruction error. Experiments are conducted on the Yale B, CMU_PIE and JAFFE databases. The proposed IPCA algorithm and LRC algorithm achieve better recognition results than that of state-of-the-art algorithms.

نمونه ترجمه فارسی چکیده

در این مقاله، تجزیه و تحلیل مولفه ی اصلی بهبود یافته ای (IPCA) برای رگرسیون ویژگی چهره ارائه می شود. IPCA ، اساسا به منظور استخراج اطلاعات مفید از تصاویر چهره ی اصلی از طریق کاهش بعد بردار های ویژگی طراحی شده است . الگوریتم طبقه بندی رگرسیون خطی (LRC) به منظور رفتار با تشخیص چهره به عنوان یک مسئله ی رگرسیون خطی به کار برده می شود. LRC از روش کوچکترین مربع به منظور تصمیم گیری در رابطه با برچسب کلاس به همراه حداقل خطای ساخت استفاده می کند. آزمایشات بر روی پایگاه های داده ی Yale B ،CMU_PIE و JAFFE اجرا شد. الگوریتم پیشنهاد شده ی IPCA و الگوریتم LRC به نتایج تشخیصی بهتری نسبت به الگوریتم های مدرن دست یافتند.

سال انتشار 2018
ناشر الزویر
مجله  پردازش سیگنال – Signal Processing
کلمات کلیدی  تشخیص چهره ،IPCA ،LRC ،طبقه بندی
 صفحات مقاله انگلیسی 21
صفحات ترجمه مقاله 22
مناسب برای رشته مهندسی کامپیوتر
مناسب برای گرایش هوش مصنوعی
توضیحات این مقاله ترجمه شده و فایل تایپ شده با فرمت ورد آن آماده خریداری و دانلود میباشد.
دانلود مقاله انگلیسی ○ دانلود رایگان مقاله انگلیسی با فرمت pdf (کلیک کنید)
خرید ترجمه فارسی ○ خرید ترجمه آماده این مقاله با فرمت ورد (کلیک کنید)
سایر مقالات این رشته ○ مشاهده سایر مقالات رشته مهندسی کامپیوتر (کلیک کنید)

 

 

دیدگاهتان را بنویسید