针对小波分析在处理多维图形时不能充分利用数据本身特有几何特征的缺陷,使用第二代曲波变换(the second generation of curvelet transform,SGCT)方法进行人脸图像的处理,选取具有最大标准差的尺度层系数,以完成对人脸图像的特征提取,...针对小波分析在处理多维图形时不能充分利用数据本身特有几何特征的缺陷,使用第二代曲波变换(the second generation of curvelet transform,SGCT)方法进行人脸图像的处理,选取具有最大标准差的尺度层系数,以完成对人脸图像的特征提取,同时结合基于双向二维主成分分析(bidirectional two dimensional principal component analysis,B2DPCA)的数据降维,构造一种基于混合投票机制极限学习机(voting extreme learning machine,VELM)的人脸识别算法.通过与其他算法的分类结果对比,证明该算法具有更高的识别正确率.展开更多
文摘针对小波分析在处理多维图形时不能充分利用数据本身特有几何特征的缺陷,使用第二代曲波变换(the second generation of curvelet transform,SGCT)方法进行人脸图像的处理,选取具有最大标准差的尺度层系数,以完成对人脸图像的特征提取,同时结合基于双向二维主成分分析(bidirectional two dimensional principal component analysis,B2DPCA)的数据降维,构造一种基于混合投票机制极限学习机(voting extreme learning machine,VELM)的人脸识别算法.通过与其他算法的分类结果对比,证明该算法具有更高的识别正确率.
