遗传算法在PCA人脸识别算法中的应用研究

遗传算法在PCA人脸识别算法中的应用研究

论文摘要

近年来,随着人工智能和图像处理技术的发展,人脸图像信息处理和识别技术也在日益更新。但是,目前仍然有许多问题还未能解决,有待进行深入的研究。以主成份分析算法为例,算法中的运算过程消除了本来相关数据分量之间的相关性。本算法中的特征值从大到小依次排列,保留排在前面较大的特征值及其特征向量,构造一个主分量对应的特征空间,用于人的面部特征分类。本算法中的较大特征值对应的特征向量主要体现人的面部照片总体趋势的低频分量;而较小特征值对应的特征向量体现人的面部照片细节信息的高频分量,所以本算法获得了人的面部照片的总体特征信息,在人的面部照片上的表现就是人的面部的外形轮廓和灰度信息,因此本算法丢弃了大部分人的面部的细节信息。本文通过“传统PCA特征空间的确定”,讨论了传统PCA方法中特征空间是如何确定的;通过实验讨论了“特征空间与识别率的关系”,论证了特征空间与识别率的关系,同时证明了遗传算法在PCA中应用的可能性;在“遗传算法与PCA人脸识别方法的结合”中介绍了结合方法,并通过实验探讨了应用情况。本文主要利用基因算法进一步改进了主元分析人的面部识别算法,利用基因算法对主元分析人的面部识别算法的特征空间进行优化选取,首先是对基因算法编码位数的改进,原来如果是N位,现在只需要N-1位,并且能够达到同样的效果,降低了算法的时间复杂度和空间复杂度;其次是前人的初始种群是随机确定的,根据特征值及其特征向量的分布规律确定了非随机初始种群方法;最后是基因算法运行过程中保存每代最高适应度的所有染色体,算法运行结束后根据多种方式筛选最优结果。

论文目录

  • 摘要
  • Abstract
  • 第一章 绪论
  • 1.1 研究背景及意义
  • 1.2 人脸检测研究的进展与现状
  • 1.2.1 国外研究现状
  • 1.2.2 国内研究现状
  • 1.3 人脸检测方法综述
  • 1.3.1 基于肤色特征与人脸验证的方法
  • 1.3.2 基于启发式模型的方法
  • 1.3.3 基于统计模型的方法
  • 1.3.4 人脸检测的评价标准
  • 1.3.5 复杂环境下人脸检测技术研究
  • 1.4 人脸识别概述
  • 1.4.1 人脸识别国内外发展现状
  • 1.4.2 人脸识别的经典研究方法分析
  • 1.4.3 人脸识别的难点
  • 1.5 常用的人脸库
  • 1.6 论文的组织结构
  • 1.7 本章小结
  • 第二章 主元分析人的面部识别算法
  • 2.1 算法概述
  • 2.2 K-L 变换
  • 2.3 主分量分析算法的特点
  • 2.4 传统特征空间的确定
  • 2.5 人的面部识别算法中常用的分类器
  • 2.5.1 按照距离方式的分类器
  • 2.5.2 按照相似度方式的分类器
  • 2.5.3 本算法中常用的分类器
  • 2.6 影响本算法识别率的一些因素
  • 2.6.1 人的面部照片的预处理
  • 2.6.2 人的面部照片的缩放
  • 2.6.3 增加训练样本可以提高识别率
  • 2.6.4 利用Matlab 仿真程序进行实验
  • 2.7 本章小结
  • 第三章 基因算法
  • 3.1 本算法发展历程
  • 3.2 本算法概述
  • 3.3 本算法详述
  • 3.3.1 算法的编码
  • 3.3.2 编码评估策略
  • 3.3.3 选择运算
  • 3.3.4 交叉运算
  • 3.3.5 变异运算
  • 3.3.6 适应度函数的确定
  • 3.3.7 算法的控制参数选择
  • 3.3.8 算法的约束条件处理
  • 3.4 本算法的特点
  • 3.4.1 本算法的一些优点
  • 3.4.2 本算法的不足之处
  • 3.5 本算法的主要应用领域
  • 3.6 本章小结
  • 第四章 遗传算法与PCA 相结合的人脸识别方法研究
  • 4.1 可行性探讨(特征空间与识别率的关系)
  • 4.1.1 实验1
  • 4.1.2 实验2
  • 4.1.3 实验3
  • 4.1.4 实验4
  • 4.1.5 对实验结果进行分析
  • 4.2 遗传算法与PCA 人脸识别方法的结合
  • 4.2.1 结合方法
  • 4.2.2 对“结合方法”的分析
  • 4.2.3 实验1
  • 4.2.4 实验2
  • 4.2.5 实验3
  • 4.2.6 实验4
  • 4.3 本章小结
  • 结论
  • 参考文献
  • 相关论文文献

    • [1].遗传算法在焊接领域的优化与应用[J]. 现代焊接 2012(03)
    • [2].面向作业车间调度问题的遗传算法改进[J]. 河北科技大学学报 2019(06)
    • [3].基于改进遗传算法的校园食堂外卖配送路径优化研究[J]. 辽宁工业大学学报(自然科学版) 2020(01)
    • [4].混合杂草遗传算法求解旅行商问题[J]. 科学技术创新 2020(11)
    • [5].基于模糊遗传算法的先进战机协同攻防决策[J]. 火力与指挥控制 2020(03)
    • [6].基于改进遗传算法的自动导引小车路径规划[J]. 组合机床与自动化加工技术 2020(07)
    • [7].基于遗传算法的海水淡化系统优化调度研究[J]. 绥化学院学报 2020(08)
    • [8].基于改进遗传算法的工程施工进度优化分析[J]. 住宅与房地产 2020(21)
    • [9].基于遗传算法物流配送最佳路径问题研究[J]. 河北建筑工程学院学报 2020(02)
    • [10].基于优化遗传算法的配电网故障定位技术[J]. 化工自动化及仪表 2020(05)
    • [11].两个轴辐式网络协同建设的多层编码遗传算法[J]. 西南交通大学学报 2020(05)
    • [12].基于遗传算法的旅游最优路径探究[J]. 电脑知识与技术 2018(34)
    • [13].浅谈遗传算法及其部分改进算法[J]. 科技风 2019(12)
    • [14].遗传算法在优化问题中的应用综述[J]. 山东工业技术 2019(12)
    • [15].一种改进遗传算法及验证[J]. 电脑编程技巧与维护 2019(06)
    • [16].现代农机数字化装配车间调度技术研究——基于云计算和遗传算法[J]. 农机化研究 2018(01)
    • [17].基于遗传算法的小麦收割机路径智能优化控制研究[J]. 农机化研究 2018(02)
    • [18].基于遗传算法的医院房间位置优化研究[J]. 电脑与信息技术 2018(01)
    • [19].基于遗传算法的汽油调和优化系统[J]. 工业控制计算机 2018(10)
    • [20].基于遗传算法进行结构优化的研究现状[J]. 河北建筑工程学院学报 2018(03)
    • [21].用于图像分割的双变异遗传算法[J]. 传感器与微系统 2017(02)
    • [22].基于改进遗传算法的新型水面无人艇性能综合优化分析[J]. 江苏科技大学学报(自然科学版) 2017(01)
    • [23].以混合式遗传算法核心的网络差异数据挖掘技术[J]. 中国新通信 2017(06)
    • [24].基于贪心遗传算法的穴盘苗补栽路径优化[J]. 农业机械学报 2017(05)
    • [25].基于改进遗传算法的列车节能操纵方案研究[J]. 机电一体化 2017(01)
    • [26].基于混沌遗传算法的计算机辅助动态布局[J]. 计算机工程与设计 2017(09)
    • [27].基于改进遗传算法的多项目资源均衡配置研究[J]. 工业技术经济 2017(10)
    • [28].基于交互式遗传算法的建筑物外观设计探讨[J]. 科技展望 2015(34)
    • [29].改进遗传算法及其在泵站优化运行中的应用[J]. 南水北调与水利科技 2016(02)
    • [30].基于改进遗传算法的高校排课优化问题研究[J]. 电子科技 2016(05)

    标签:;  ;  ;  

    遗传算法在PCA人脸识别算法中的应用研究
    下载Doc文档

    猜你喜欢