oalib

Publish in OALib Journal

ISSN: 2333-9721

APC: Only $99

Submit

Any time

2019 ( 110 )

2018 ( 1790 )

2017 ( 1783 )

2016 ( 2032 )

Custom range...

Search Results: 1 - 10 of 80449 matches for " 独立成分分析 "
All listed articles are free for downloading (OA Articles)
Page 1 /80449
Display every page Item
基于核独立成分分析的人脸识别研究
尹克重,龚卫国,李伟红,梁毅雄,张红梅
计算机应用 , 2005,
Abstract: ?在人脸识别中提出一种基于非线性子空间的核独立成分分析(kica)方法。在简单介绍了ica方法的基础上,对kica方法的基本原理和算法作了较为详细的描述。为了验证基于kica和ica的人脸识别方法的识别效果,进行了对比实验和分析。实验和分析结果表明,在人脸识别中,基于kica的方法优于基于ica的方法。
块独立成分分析的人脸识别
张磊,高全学
计算机应用 , 2007,
Abstract: ?针对利用ica提取人脸特征时需要将人脸图像转换成向量,导致空间维数很高以及不能准确地估计特征等问题,提出了一种新的独立子空间人脸识别算法——块独立成分分析(b-ica)。和经典的ica相比,b-ica算法把人脸图像划分成一些互不重叠的子块,然后把每个子块转换成向量,看成是低维空间中的训练点(训练向量)。因此在b-ica算法中,样本的维数比ica算法中样本的维数低,降低了维数灾难(即样本的训练个数远小于样本的维数)造成的错误识别率。在yale和ar数据库上进行了大量仿真实验,实验结果表明b-ica算法的识别率比ica和其他一些子空间算法的识别率高。
基于对称ICA的特征抽取方法及其在人脸识别中的应用*
郑宇杰,杨静宇,吴小俊,於东军
模式识别与人工智能 , 2006,
Abstract: 独立成分分析在信号处理和图像处理领域已受到广泛关注.本文提出了一种基于人脸直观自然特性的新算法——对称独立成分分析.该算法在代数上基于函数分解的思想,几何上基于人脸的镜像对称.首先引入镜像变换,然后根据奇、偶分解原理,分别生成奇偶对称样本,最后分别提取各奇偶样本的独立成分.理论分析与实验证明,该算法巧妙利用了镜像样本,既扩大了样本容量,又提高了识别率.同时该算法对光照变化有一定的不敏感性.
维规约技术综述
许明旺,施润身
计算机应用 , 2006,
Abstract: ?从属性选择和维变换两个方面对维规约技术进行了概括。首先对属性选择的基本思想和常用算法进行简要介绍;然后对维变换技术中的几种应用最广泛的方法进行了详细研究,主要包括主成分分析及其相关算法、独立成分分析、因子分析、投影寻踪等方法,简要给出了这些方法间的联系和区别,最后指出了维规约技术的现状和发展方向。
Frontal Face Recognition under Glasses Occlusion
眼镜遮挡下的正面人脸识别

LIN Qing,MA Wei-yang,SHAH Ping-ping,ZHAN Yong-zhao,LIANG Jun,
林庆
,马伟阳,单平平,詹永照,梁军

计算机科学 , 2011,
Abstract: Aiming at the problem that eyeglasses occlusion severely affecteds the recognition rate, this paper described a method to remove eyeglasses from the frontal facial image. Firstly, the input facial image was reconstructed by PCA+ICA and then the region occluded by the eyeglasses was obtained by comparing the reconstructed facial image and the input facial image. Secondly, an eyeglasses facial image was synthesized by recursive error compensation. Finally, considering to the specialty of synthetic image, the improved feature weighted method was used to realize the face recognition. hhe experimental results show the method is simple and easy to realize, can generate natural looking facial images without eyeglasses. The average accuracy of face recognizing is 91%, and this method outperforms traditional methods.
基于PCA和ICA的虹膜识别方法
孙农亮,于雯雯,曹茂永
中国图象图形学报 , 2008, DOI: 10.11834/jig.20080913
Abstract: 为了提高虹膜识别的正确率,提出了利用主成分分析(PCA)与独立成分分析(ICA)相结合的方法,来对虹膜进行识别的方法。用该方法进行虹膜识别时,首先对预处理后的虹膜图像,利用PCA算法进行去二阶相关和降维处理;然后再进行ICA训练。ICA训练采用了以下两种方法:方法1,将参与ICA训练的图像看作是随机变量,而将图像中的像素值看作是随机实验结果,ICA训练后即可得到相互独立的ICA虹膜基图像;方法2,将图像中的像素值看作是随机变量,而将图像看作是随机实验结果,ICA训练后即得到相互独立的ICA系数。采用CASIA虹膜数据库进行的试验结果表明,基于PCA和ICA的虹膜识别算法在两种训练方式下的正确识别率分别达到98.89%和98.33%。
基于MICA-PCA的间歇过程故障监测
北京工业大学学报 , 2014,
Abstract: 针对具有数据非高斯分布或混合分布的间歇过程,研究一种新的改进MICA-PCA监控方法.首先利用MICA方法提取非高斯分布过程信息,通过设定负熵阈值实现独立成分个数的自动选择,以此克服传统ICA方法中需提前确定独立成分个数的缺点,再使用核密度估计方法确定相应统计量的置信限,然后对服从多元高斯分布的残差过程信息,进一步进行PCA分析和处理.将该方法应用于北京某生化制药厂重组大肠杆菌制备白介素-2发酵过程监控.结果表明:该法在过程变量不服从高斯分布的情况下能有效降低传统方法的漏报和误报率,准确地对过程进行监控.
结合Gabor滤波器和ICA技术的纹理分类方法
陈洋,王润生
电子学报 , 2007,
Abstract: 提取有效的特征用于纹理描述和分类一直是纹理分析的难点.本文提出一种结合Gabor滤波器和ICA技术的纹理特征提取方法,即纹理图像首先经过Gabor滤波器组滤波,然后由滤波图像直接构建高维特征矢量;再将这些高维特征矢量通过主成分分析PCA进行降维,最后采用ICA技术分析和提取降维后的特征矢量中的独立成分用于纹理分类.通过与经典Gabor滤波器和ICA方法的对比实验,验证和评价了本文方法的性能.
眼镜遮挡下的正面人脸识别
林庆,马伟阳,单平平,詹永照,梁军?
计算机科学 , 2011,
Abstract: 针对眼镜遮档对人脸识别影响较大这一问题,提出一种从正面人脸图像中提取并摘除眼镜的方法。首先利用主成分分析和独立成分分析法对输入的戴眼镜人脸进行重建,对比重建人脸和输入人脸,从而提取眼镜遮档区域;然后经过迭代误差补偿合成相应的无眼镜人脸;最后考虑到合成图像的特殊性,使用改进的特征加权方法实现人脸识别。实验结果表明,利用提出的人脸重建和特征加权方法进行戴眼镜人脸识别,正确率可以达到91%,优于传统方法。
基于稳健有序独立成分分析(ROICA)的矿产预测
余先川,刘立文,胡丹,王仲妮
吉林大学学报(地球科学版) , 2012,
Abstract: 独立成分分析(ICA)充分考虑了以往主成份分析(PCA)没考虑到但又非常重要的数据高阶统计特性,但ICA分离后的信号具有顺序、符号、幅度的不确定性,而矿产资源预测又必须弄清分离后信号(地质变量)的地质意义;为此,提出了一种基于稳健有序独立成分分析(ROICA)的矿产预测方法。首先对地质数据进行稳健预处理,然后进行独立成分分析,借鉴因子分析的思想解决独立成分分析算法不确定性的局限,从而可以反映分离变量的有序性。将ROICA方法用于广东省肇庆双壬铜矿区进行矿产资源预测。实验结果表明该区金银矿体的赋存空间位置与传统均值方差方法给出的异常位置明显不对应,没有指示意义;而经过稳健有序ICA处理后的Au、Ag独立成分异常与实际的Au、Ag矿体吻合度很高;Cu、Pb、Zn独立成分异常与Au、Ag矿关联性不大,反映研究区的Cu、Pb、Zn等其他元素或组合不具有Au、Ag矿的指示意义。ROICA方法可用于矿产资源预测。
Page 1 /80449
Display every page Item


Home
Copyright © 2008-2017 Open Access Library. All rights reserved.