برای اطلاع از آخرین مقالات علمی و اخبار کرونا(COVID-19) کلیک کنید

مشخصات مقاله

عنوان: 

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

نوع ارائه: مقاله
نویسنده: عباس زاده آتنا*,طوسي زاده سعيد,اثباتي حسين
 
 *دانشگاه آزاد اسلامي، واحد مشهد
 
عنوان همایش: همايش ملي الكترونيكي پيشرفت هاي تكنولوژي در مهندسي برق، الكترونيك و كامپيوتر
نوع همایش:  سازمان ها و مراکز غير دولتي
حامی:  مرکز آموزش علمی- کاربردی صنایع خیام الکتریک
زمان:  1393دوره 1
 
چکیده: 

در اين مقاله به منظور دسته بندي تصاوير چهره بانک اطلاعاتي ORL، از روشهاي کاهش بعد آناليز مولفه هاي اصلي (PCA) و آناليز مولفه هاي اصلي مبتني بر هسته (KPCA) با روش دسته بندي شبکه عصبي المن (ELMAN) استفاده شده است. ماشين بردار پشتيبان کارايي بالايي براي تعميم پردازش نمونه هاي کوچک به اطلاعات در ابعادي بزرگ را فراهم مي کند. به منظور بررسي اثر استفاده از تعداد مولفه هاي PCA و KPCA در ميزان دقت دسته بندي سيستم و زمان دسته بندي چهره هاي بانک اطلاعاتي بکار رفته، مراحل دسته بندي با تعداد مولفه هاي مختلف انجام شد و با هم مقايسه گرديدکه در حالت بهينه دقت تشخيص %97.4167 بدست آمد.

 
کلید واژه: آناليز مولفه هاي اصلي، آناليز مولفه هاي اصلي مبتني بر هسته، ماشين بردار پشتيبان چندکاناله، تشخيص چهره، نرمال سازي داده
 
مقالات نشریه ای مرتبط: 
 
مقالات همایشی مرتبط: 
 
ارتباط خیلی زیاد ارتباط زیاد مرتبط ارتباط کمتر
 
 
بازدید یکساله 61   pdf-file
 
 
 
آخرین های بلاگ
ورود به بلاگ مرکز اطلاعات علمی