مقایسه روش های کاهش بعد KPCA و ICA با روش تقسیم داده KCV به کمک دسته بندی شبکه های عصبی المن ELMAN در تشخیص چهره


در حال بارگذاری
مقایسه روش های کاهش بعد KPCA و ICA با روش تقسیم داده KCV به کمک دسته بندی شبکه های عصبی المن ELMAN در تشخیص چهره
17 سپتامبر 2024
فایل ورد و پاورپوینت
2120
6 بازدید
۶۹,۷۰۰ تومان
خرید

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 مقایسه روش های کاهش بعد KPCA و ICA با روش تقسیم داده KCV به کمک دسته بندی شبکه های عصبی المن ELMAN در تشخیص چهره دارای ۱۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقایسه روش های کاهش بعد KPCA و ICA با روش تقسیم داده KCV به کمک دسته بندی شبکه های عصبی المن ELMAN در تشخیص چهره  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقایسه روش های کاهش بعد KPCA و ICA با روش تقسیم داده KCV به کمک دسته بندی شبکه های عصبی المن ELMAN در تشخیص چهره،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقایسه روش های کاهش بعد KPCA و ICA با روش تقسیم داده KCV به کمک دسته بندی شبکه های عصبی المن ELMAN در تشخیص چهره :

تعداد صفحات :۱۸

چکیده مقاله:

انتخاب ویژگیها از موضوعات مهم در تشخیص چهره است . از میان انبوه ویژگیهائی که می توان در نظر گرفت باید مشخصکرد که کدام یک واقعا مفید هستند. حذف ویژگیهای بی فایده که عملا منجر به کاهش بعد آنها می شود باعث بالا رفتن سرعتمحاسبات و نهایتا کارائی سیستم می شود بطورکلی می توان روشهای کاهش بعد ویژگی را به دو گروه روشهای انتخابی و روشهای تبدیلی تقسیم نمود. در این مقاله دو روش کاهش بعد تبدیلی شامل آنالیز مولفه های اصلی مبتنی بر هسته KPCA وآنالیز مولفه های مستقل ICA را مورد بررسی قرار داده و با اعمال داده های کاهش بعد یافته به یک سیستم تشخیص چهرهمبتنی بر شبکه عصبی المن ELMAN میزان دقت و سرعت سیستم مذکور را مقایسه می کنیم و در نهایت بهترین روش تبدیلی کاهش بعد انتخاب می نماییم. به منظور بررسی، اثر استفاده از تعداد مولفه های KPCA و ICA در میزان دقت و زماندسته بندی چهره های بانک اطلاعاتی ORL ، مراحل دسته بندی با تعداد مولفه های مختلف انجام و مقایسه گردید. مقایسه نتایج نشان داد تکنیک KPCA زمان آزمایش و آموزش کمتری دارد و سیستم تشخیصچهره به درصدهای بالاتری در شناسائی دست یافت. در حالت بهینه دقت تشخیص ۹۷.۱۴۶۷ % بدست آمد

  راهنمای خرید:
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.