چکیده مقاله
دراین مقاله روش بهینه و مقاوم دربرابر نویز به منظور تشخیص چهره مبتنی برروشهای اماری ارایه شده است بدین منظور ازروش انالیز غیرخطی مولفه های اصلی مبتنی برتبدیل ویولت گسسته برای استخراج ویژگیهای اصلی تصاویر چهره و سپس به منظور تشخیص و دسته بندی تصاویر چهره ازروش شبکه عصبی احتمالی استفاده شده است و اثربکارگیری مولفه های اصلی غیرخطی از10 تا 75 مولفه درمیزان تشخیص سیستم بررسی شده است و نتایج آن با روش انالیز مولفه های اصلی و انالیز تفکیک کننده غیرخطی مقایسه میشود ازمایشات نشان میدهد که تابع کرنل چندجمله ای با پارامترهای بهینه شده درالگوریتم KPCA به نسبت توابع کرنل دیگر دراین تحقیق دارای درصد تشخیص بهتری می باشد درنهایت باازمایشات دیگر مشخص شد که روش پیشنهادی دربرابرنویزهای ورودی و تغییر حالات مختلف چهره افرادمقاوم بوده و ازدرصد تشخیص بالاتری به نسبت روشهای متداول دیگر برخوردار است
کلیدواژهها
نویسندگان
امیر کرمانشاهی
دانشجوی کارشناسی ارشد موسسه آموزش عالی پویش
محسن نجفی
عضو هیات علمی دانشگاه صنعتی اراک
قربد ستوده
عضو هیات علمی دانشگاه صنعتی اراک
شیوه ارجاع
کرمانشاهی، امیر و نجفی، محسن و ستوده، قربد،1394،بهینه سازی یک سیستم تشخیص چهره با استفاده از الگوریتم KPCA مبتنی بر تبدیل ویولت گسسته،کنفرانس بین المللی یافته های نوین پژوهشی درمهندسی برق و علوم کامپیوتر،تهران
ارائهشده در
مجموعه مقالات سومین کنفرانس ملی محاسبات نرم علوم مهندسی در صنعت و جامعه1 اسفند 1402 · ایرانشهر