資源描述：
《基于多樣性的人臉圖像特征提取及識別》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、代號10701學(xué)號0944120515分類號TP391密級公開題（中、英文）目基于多樣性的人臉圖像特征提取及識別ImageFeatureExtractionandRecognitionBasedonTheDiversityoffaceimages作者姓名高菲菲指導(dǎo)教師姓名、職稱高全學(xué)教授學(xué)科門類工科學(xué)科、專業(yè)交通信息工程及控制提交論文日期二○一三年十二月萬方數(shù)據(jù)萬方數(shù)據(jù)西安電子科技大學(xué)學(xué)位論文創(chuàng)新性聲明秉承學(xué)校嚴(yán)謹(jǐn)?shù)膶W(xué)風(fēng)和優(yōu)良的科學(xué)道德，本人聲明所呈交的論文是我個人在導(dǎo)師指導(dǎo)下進行的研究工作及取得的研究成果。盡我所知，除了文中特別加以標(biāo)注和致謝
2、中所羅列的內(nèi)容以外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果；也不包含為獲得西安電子科技大學(xué)或其它教育機構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻均已在論文中做了明確的說明并表示了謝意。申請學(xué)位論文與資料若有不實之處，本人承擔(dān)一切相關(guān)責(zé)任。本人簽名：日期西安電子科技大學(xué)關(guān)于論文使用授權(quán)的說明本人完全了解西安電子科技大學(xué)有關(guān)保留和使用學(xué)位論文的規(guī)定，即：研究生在校攻讀學(xué)位期間論文工作的知識產(chǎn)權(quán)單位屬西安電子科技大學(xué)。本人保證畢業(yè)離校后，發(fā)表論文或使用論文工作成果時署名單位仍然為西安電子科技大學(xué)。學(xué)校有權(quán)保留送交論文
3、的復(fù)印件，允許查閱和借閱論文；學(xué)?？梢怨颊撐牡娜炕虿糠謨?nèi)容，可以允許采用影印、縮印或其它復(fù)制手段保存論文。（保密的論文在解密后遵守此規(guī)定）本人簽名：日期導(dǎo)師簽名：日期萬方數(shù)據(jù)萬方數(shù)據(jù)摘要隨著科學(xué)與信息技術(shù)的飛速發(fā)展，現(xiàn)實中產(chǎn)生的數(shù)據(jù)量日益增多，特別是維數(shù)比較高的數(shù)據(jù)，這雖然豐富了我們的生活但也帶來了前所未有的“維數(shù)災(zāi)難”問題，因此怎樣有效地描述數(shù)據(jù)，已經(jīng)成為一個刻不容緩的問題。特征提取被視為行之有效的方法之一，這不但可以發(fā)掘樣本的本質(zhì)特點，而且可以將計算量減小。本文的重點是從樣本的局部和非局部幾何結(jié)構(gòu)著手來分析，認(rèn)真從基于圖論的角度來研究人
4、臉特征提取算法的精髓；從這個角度講，著重分析了集成局部和非局部幾何結(jié)構(gòu)的辨別分析特征提取算法，本文的核心內(nèi)容以及研究如下：一、首先對2DPCA、2DLPP、2DLIPP三種算法分別因不能夠很好地反映出非線性高維數(shù)據(jù)的內(nèi)在幾何結(jié)構(gòu)、沒有有效的利用訓(xùn)練樣本的已知類別信息、忽略了不同類邊界的判別信息等而導(dǎo)致過學(xué)習(xí)、泛化能力不好，分類性能不好等問題。針對以上問題，提出了二維增強監(jiān)督的局部判別分析(Two-dimensionalEnhancedSupervisedLocalDiscriminantAnalysis，2DESLDA）算法。它借助于設(shè)計鄰接圖
5、將鄰域內(nèi)不同類的數(shù)據(jù)拉向它的類心，并給出了度量局部判別信息的離散度，然后結(jié)合局部數(shù)據(jù)的差異性離散度，建立了很好的魯棒的特征提取準(zhǔn)則。因此2DESLDA可以在低維空間保持不同類邊界處的判別能力的同時，較好地保持?jǐn)?shù)據(jù)的內(nèi)在差異性幾何結(jié)構(gòu)，從而有效保持?jǐn)?shù)據(jù)的局部幾何結(jié)構(gòu)，使算法的泛化能力得到提高，實驗數(shù)據(jù)證實了該算法的合理性。二、針對2DESLDA算法不能有效地挖掘鄰域外樣本的辨別分析性結(jié)構(gòu)，也就是說忽略了非局部幾何結(jié)構(gòu)，以致使算法的平穩(wěn)性能下降等，提出了二維集成局部和非局部幾何結(jié)構(gòu)的魯棒判別分析算法（Two-dimensionalJointLoba
6、landUnocalStructureDiscriminantAnalysis，2DJLUDA）。該算法采用三個鄰接圖分別描述鄰域內(nèi)數(shù)據(jù)的差異性結(jié)構(gòu)以及鄰域內(nèi)、外樣本之間的分類信息，進而保證鄰域內(nèi)樣本的差異性離散度矩陣以及判別性離散度矩陣達到最大化，最小化非局部樣本與自己類心之間的距離，構(gòu)建了2DJLUDA算法模型。它很好地利用了數(shù)據(jù)分布的局部結(jié)構(gòu)信息和非局部判別信息，所以該算法的識別性能很好，魯棒性非常強，實驗結(jié)果驗證了算法性能的有效性。關(guān)鍵詞：差異性判別性局部結(jié)構(gòu)非局部結(jié)構(gòu)人臉識別萬方數(shù)據(jù)萬方數(shù)據(jù)AbstractWiththerapidde
7、velopmentofinformationtechnology,moreandmoredataaregeneratedinreallife,especiallyinthehigh-dimensionaldata，whichenrichespeople'slifebutalsobringsunprecedented"dimensiondisaster"problem，Thus,howtodescribeinformationavailablyhasturnintoapressingquestion.Featureextractionisanva
8、lidmethodtoworkoutthisissue,whichcan’tmerelyhelptoexcavatethenatureconstruc
