基于流形學(xué)習(xí)與分類(lèi)技術(shù)的人臉識(shí)別研究.pdf

1、分類(lèi)號(hào)：密級(jí)：學(xué)校代碼：10165學(xué)號(hào)：201311000684連掌師耗大學(xué)碩士學(xué)位論文②基于流形學(xué)習(xí)與分類(lèi)技術(shù)的人臉識(shí)別研究作者姓名：學(xué)科、專(zhuān)業(yè)：研究方向：導(dǎo)師姓名：高晴計(jì)算數(shù)學(xué)模式識(shí)別與計(jì)算機(jī)圖絲圖堡處堡閆德勤教授20l6年5月遼寧師范大學(xué)碩士學(xué)位論文摘要人臉識(shí)別技術(shù)在多個(gè)領(lǐng)域中已被廣泛使用，是近年來(lái)較為新興的一項(xiàng)技術(shù)。所謂人臉識(shí)別，是在已有人的面部特征信息的條件下進(jìn)行識(shí)別的過(guò)程。此技術(shù)首先對(duì)所采集數(shù)據(jù)進(jìn)行模仿學(xué)習(xí)，建立起一個(gè)人臉數(shù)

2、據(jù)庫(kù)，然后再進(jìn)行數(shù)據(jù)的識(shí)別，進(jìn)行比對(duì)，以達(dá)到識(shí)別的過(guò)程。近年來(lái)，隨著科技的發(fā)展，該技術(shù)被廣泛應(yīng)用于生活中的各個(gè)方面，因此也成為了當(dāng)今社會(huì)研究的一個(gè)熱點(diǎn)闖題。對(duì)于此項(xiàng)技術(shù)的研究，一些技術(shù)已經(jīng)取得了較好的分類(lèi)效果，如支持向量機(jī)(SupportVectorMachine，SVM)、極端學(xué)習(xí)機(jī)(ExtremeLearningMachine，ELM)等傳統(tǒng)的分類(lèi)算法。但是在實(shí)際人臉識(shí)別的過(guò)程中，人臉的數(shù)據(jù)通常都具有很高的維數(shù)，并且這些數(shù)據(jù)的分布也

3、是不均勻的。因此，如何在人臉識(shí)剮中解決不均勻高維數(shù)據(jù)的問(wèn)題將成為研究的一個(gè)熱點(diǎn)。對(duì)此，本文將在SVM、ELM基礎(chǔ)上引入流形理論以及微分同胚理論，并提出了兩個(gè)新的人臉識(shí)別算法：流形SVM算法。SVM在人臉識(shí)別的過(guò)程中，由于高維數(shù)據(jù)的原因，計(jì)算過(guò)程中的錯(cuò)分點(diǎn)會(huì)增加，降低了人臉識(shí)別率。對(duì)此，本文提出了一種基于模糊聚類(lèi)的局部線(xiàn)性嵌入和SVM的入臉識(shí)別方法，該技術(shù)在SVM的基礎(chǔ)上弓f入模糊聚類(lèi)的局部線(xiàn)性嵌入算法，能夠較好的約束重構(gòu)誤差，更好的保持