基于PCA与合并聚类的RBFNN人脸识别

基于主成分分析、合并聚类算法和径向基神经网络,提出一种有效的人脸识别方法.通过使用PCA进行特征提取,降低人脸图像的维数,对所提取的特征合并聚类确定径向基神经网络中心,根据类内样本与聚类中心的距离和类间距离计算各中心的散布常数,以ORL人脸数据库对网络进行训练和测试.实验结果表明,该方法选取较低的脸特征维效取得较好的识别效果.     

基于不对称有效特征的变光照下人脸识别

为了解决变光照下人脸识别识别率低的问题,首先定义一个新的纹理层次可分性函数,来确定变光照下仍然有效的人脸纹理区域;然后提出一种新的可根据光照对人脸影响的不同,提取不同的有效特征进行识别的方法,即首先通过两个实验证明了一般识别方法在识别时提取的整个人脸特征中存在大量冗余信息,接着为了实际识别应用中获得可能达到的最好识别率,给出一个新的判断人脸光照处理必要性的方法及识别时需要作光照处理的光照方向参数,最后根据纹理层次可分性函数确定变光照下能够识别的纹理区域,获得有效特征用于识别.实验结果表明,该方法在直接减少系统运算量,提高识别速度的同时,提高识别率约35%.     

基于小波子图和决策融合的人脸识别算法

提出了一种基于小波子图和决策融合的人脸识别算法。首先将图象进行适当层数的小波分解，每次分解只取最低频子图。然后对低频子图再进行一次小波全分解得到不同方向的四个子图。在这四个子图上分别进行传统的主分量分析(PCA)或者进行傅立叶变换(即频谱脸算法)，可得到四个识别结果，再根据一种决策融合方案得出最终的识别结果。最后，我们用O1ivetti人脸数据库对本文的算法与传统的PCA算法，基于单一小坡子图的PCA算法以及频谱脸算法进行了比较。实验结果显示：应用了多个小波子图以及决策融合方案后，识别率都有一定的提高。     

基于径向基函数的混合神经网络模型研究

随着系统复杂程度的增加，构造一个径向基函数神经网络（RBFNN）所需样本及训练时间都急剧增加，得到的复杂网络往往不能完全揭示问题的层次和结构。采用“分而治之”的思想，提出了一种基于RBF的混合网络模型，通过最短距离均匀聚类方法划分样本空间，构造合适的子样本集和子网络模型对网络进行训练，与采用正交最小二乘法的单独RBF网络在结构、训练时间、泛化能力上做了对比。结果表明其时间复杂度有显著降低，网络的泛化能力与精度比全局RBFNN有明显提高。整个网络模型具有良好的扩展性和应用前景，适合于大样本神经网络的建模和训练问题。     

基于径向基函数网络的钱塘江涌潮模型及其应用

利用径向基函数（RBF）网络的最佳函数逼近性能，建立了盐官站涌潮潮头高度的预测模型.钱塘江涌潮与其影响因素之间存在复杂的非线性关系，模型的预测精度主要取决于影响因子的识别与训练样本的选择.实测资料检验表明该模型具有良好的泛化能力.应用该模型分析了在不同水动力与河床边界条件下，大规模治江围涂工程对盐官潮头高度的影响.结果表明，在不同河势条件下治江围涂工程引起的涌潮变化存在差异，对于顺直江道，盐官大潮潮头高度降低了0.17 m，而对于弯曲江道，则抬高了0.39 m.     

基于特征子空间直和的跨年龄人脸识别方法

针对跨年龄人脸识别任务,在同时进行人脸身份识别和年龄分类这两个任务的多任务卷积神经网络的基础上加入直和模块,提出了一种基于特征子空间直和的多任务卷积神经网络(FSDS-CNN).该网络利用2个并行子网分别从深度特征中提取出身份相关特征和年龄相关特征,并对这2个相关特征所对应的特征子空间施加直和约束,使得身份相关特征与年...     

基于RBF -BP神经网络融合的医学数据分类研究

为改善传统的反向传播(BP)神经网络和径向基函数(RBF)神经网络的学习能力和分类性能的不足,提出一种融合RBF网络与BP网络的混合神经网络算法(HRBF -BP),并将其应用到医学数据分类问题中.在网络结构的实现上,将RBF隐藏层与BP隐藏层进行级联融合,即在连接BP网络输入层与隐藏层之间加入RBF核映射层; 在学习算法的实现上,先采用k-均值聚类算法来实现RBF核参数的估计,然后再使用基于随机梯度下降的BP算法实现级联BP网络的权值优化.将该算法与SGBP、KMRB、PFRBF等算法在不同的医学数据集上进行分类实验对比表明,该方法的网络训练精度以及测试精度均优于SGBP、KMRB、PFRBF算法; 因此,该方法对提高BP网络和RBF网络的学习能力和分类性能具有良好的参考价值.     

基于RBF网络的二手房价格评估

为了反映评估过程的非线性,合理确定二手房价格,通过分析传统评估方法的不足,提出了基于径向基函数(RBF)神经网络的二手房价格评估模型.模型包括数据库、输入、筛选、学习、测试、评估、输出、知识库8个模块.利用该模型对杭州市二手房市场进行了实证分析,网络测试取得了良好的结果,证明了基于RBF网络的二手房价格评估方法的实用性和有效性.     

一种用于径向基函数网络辨识非线性系统的新算法

使用卡尔曼滤波器和分簇算法组成一种新的混合算法用于径向基函数网络辨识非线性系统。由于卡尔曼滤波器和分簇算法都采用线性学习规则，收敛速度很快，故新算法能增加网络自适应能力。仿真结果表明了该算法的有效性。     

加氢精制神经元网络模型的研究

文章采用径向基函数神经元网络建立了加氢精制反应器数学模型。选用高斯核函数作为其网络核函数 ,网络中心参数的求取采用K -means方法 ,网络中心数目的确定采用统计F检验方法 ,网络输出层权值的求取采用递推最小二乘方法。经过现场实测数据检验证明 ,建立的RBF神经元网络模型对加氢脱硫率和脱氮率具有良好的预估精度     

频域光照归一化的人脸识别

为了降低人脸识别对环境条件的要求,克服光照对人脸识别的影响,通过分析人脸图像的幅频特性和相频特性,提出了频域光照归一化的人脸识别,对任何光照条件下采集的图像经过归一化后,光照与训练库中完全相同,同时保留了人脸的可区分性。人脸之间差异的信息量一般较少,运用最小非零特征向量作为人脸特征。实验仿真表明,与传统方法相比,频域光照归一化人脸识别方法对光照变化具有鲁棒性。     

一种改进的基于小波变换的人脸光照归一化方法

针对光照对人脸识别影响的问题,提出了一种改进的基于对数域多级小波分解的光照归一化方法。首先将手工裁剪后的人脸图片进行对数变换,然后将对数域图像进行多级小波分解,将低频系数置零,并将多个尺度上的高频系数分别乘以不同的高频增益,突出光照不变性分量。采用经典的PCA人脸识别算法,在耶鲁B与CMU PIE人脸数据库的实验结果表明,本文方法能有效地消除光照对人脸识别的影响,并有效提高识别率。     

基于CycleGAN的非配对人脸图片光照归一化方法

针对人脸识别过程中光照对识别结果的影响问题,提出了一种基于CycleGAN的光照归一化方法.使用了生成对抗式的网络结构,利用图像翻译的原理,将较亮图片的光照风格迁移至较暗图片,同时保持原人脸表面平滑且结构基本不变.使用非配对的数据集,无需人工标注标签,简化了数据准备阶段的工作,达到了利用无监督的深度学习方法去除图片光照影响的目的.最后用训练好的模型处理CroppedYale测试集,比较处理前后的人脸识别准确率.实验证明,本文方法具有较强的降低人脸光照对识别率影响的能力且基本不改变人脸结构,有利于提高人脸识别的准确率.     

基于光照或表情变化的人脸识别算法

对在光照和人脸表情发生各种变化的环境下,用Coiflet小波包和Radon变换两种简单算法从一些灰度级图像数据库中进行人脸识别.这两种算法都能将二维灰度级的人脸图像培训集转换成各自的深度图或物理形态,随后转化为Coiflet小波包和Radon变换,用于特征提取的计算.实验表明,这种转换过来的形态特征对光照和人脸表情的变化具有鲁棒性.     

基于三维模型子空间监督学习法的二维人脸识别

人脸识别的一个主要难点在于人脸姿态和光照变化对识别性能影响显著.考虑到此问题,本文提出了一种将三维模型和二维照片相结合的新的人脸识别技术,对不同人脸姿态和光照变化有很好的鲁棒性.在训练阶段由特定三维人脸模型生成大量带有不同姿态和光照的虚拟二维照片,采用监督学习法使这些虚拟照片形成子空间,最终组成特定人脸模板.此时不再需要三维数据,只要匹配真实二维照片和模板就可以进行人脸识别.     

单训练样本人脸识别技术综述

基于单样本的人脸识别具有重要的应用价值,然而对仅有一个注册样本的人脸图像进行识别是一个具有极大挑战性的问题。对近年来提出的单样本人脸识别的算法进行分类和介绍,以识别率为指标对比了这些算法的实验结果,同时给出了这些实验针对的人脸数据库、数据库的规模和训练/测试样本集的划分;总结了影响单样本人脸识别率的关键因素及各算法的优缺点,分析了一些算法取得较优识别率的原因及未来可能的研究方向。     

视频序列中的人脸实时跟踪与识别方法

集成了基于肤色的人脸跟踪和基于PCA/BPNN(主成分分析/前馈神经网络)的人脸识别技术,提出了一种人脸实时跟踪与识别方法.该方法可以实现复杂背景下的人脸跟踪,并可处理人脸遮挡问题.通过平均视频序列中的多幅人脸图像,获得了很高的正确识别率.该方法在800 MHz主频的微机上实现,系统处理速度达20帧/s.     

基于类别多核局部判别嵌入的人脸识别

在局部判别嵌入的基础上提出了一种有效的非线性子空间学习方法:类别多核局部判别嵌入.首先针对给定数据的类别信息,定义基于每一个类别的局部核函数,形成多核,接着将不同的局部核函数进行线性组合作为最终的核函数引入到局部判别嵌入算法中,得到类别多核局部判别嵌入算法,在核空间内提取图像高阶非线性信息.在ORL和Yale库上的人脸识别表明该方法是有效的.     

Gabor特征均值的子空间人脸识别算法的改进

针对人脸图像局部特征提取不充分的问题,在基于子空间分析的人脸识别算法中,提出了在线性和非线性空间中实现基于2DGabor均值的子空间人脸识别算法.首先,根据人脸图像的5个特殊区域,对人脸图像进行分块处理,分别对每一块进行2DGabor运算,并把每个训练样本相应像素点得到的特征矢量取均值,得到图像的特征向量,然后在线性和非线性空间中利用2DPCA(two-dimensional principle component analysis)和KDA(kernel fisher discriminant analysis)对特征向量进行降维处理,最后利用最近邻分类器和支持向量机分类器SVM(support vector machine)进行特征分类与识别,通过对ORL和FERET标准人脸库图像进行的实验仿真即对比结果表明,基于2DGabor均值的方法不仅提高识别率,而且对于人脸光照、姿态和表情变换均具有良好的鲁棒性.     

人脸识别中去光照算法

光照变化问题是人脸检测和识别中的一个非常重要而又难于解决的问题。提出一种人脸光照无关图算法,从单一图像中获得人脸光照的无关灰度图。算法在色度比空间中计算出信息熵最小的灰度图,所获得的灰度图像去除了光照影响,并且保留了图像信息和人脸特征。