一种新的加权主分量分析方法

提出了一种新的加权主分量分析方法,该方法和传统主分量分析的区别在于考虑了训练样本分布情况,给出了一种新的均方差矩阵估计方法,再进行特征抽取和识别.在ORL人脸数据库上的试验结果表明,所提出的方法在识别性能上优于主分量分析.

基于双向二维加权主分量分析的面部表情识别

将二维主分量分析方法与加权的方法相结合,给出了一种双向二维加权主分量分析方法用于面部表情特征提取,该方法从水平和垂直两个方向对图像矩阵进行降维处理,大幅降低了所提取的特征数目;且考虑到面部不同部位包含不同的表情信息这一特点,对各个特征赋予不同的权重系数.经实验验证了该方法的有效性.

用于人脸识别系统的一种新PCA算法

在人脸识别系统设计中引入了一种新的基于加权主分量分析的人脸算法,该算法利用加权主分量分析的原理,将特征加权和主分量分析相结合,构造了一个新的3个中心的高斯分布函数作为加权函数对人脸各维特征进行加权,从而利用主分量分析的方法进行人脸识别。实验证明,该方法与已有的WPCA算法相比,具有更高的识别率。

基于双中心羽化WPCA的人脸识别算法研究

当前关于人脸识别的算法众多,文章在已有研究成果的基础上提出一种"双中心羽化函数",并以它作为权函数构造了"基于双中心羽化WPCA的人脸识别算";然后应用Matlab编程在ORL标准人脸库上进行实验,优化选取权函数的参数以得到最佳识别效果,并对实验结果进行对比分析,证实此算法在识别率上有所提高,有其可取性;最后,总结全文,对日后工作提出合理化建议。

一种鲁棒的监督流形学习算法及其在植物叶片分类中的应用

结合数据点的类别信息、局部信息和数据点的可信度,给出一种测地距离定义.在此基础上,提出一种改进的鲁棒性监督等度规映射算法,并应用于植物叶片分类中.首先利用改进的等度规映射将叶片图像投影到低维流形空间.然后采用支持向量机分类器进行植物叶片图像分类与识别.最后利用20种实际植物叶片图像进行植物叶片图像分类实验.实验结果表明该方法是有效可行的.