基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
主成分分析(PCA)是自动人脸识别的常用方法.在基于传统K-L变换的PCA人脸识别方法的基础上,提出了一种基于比例因子的PCA人脸识别的改进方法.研究表明,较之K-L变换,基于比例因子的方法更有效,合理选取比例因子和主成分是提高识别准确率的关键.
推荐文章
基于PCA的人脸识别方法的比较研究
PCA
人脸识别
2DPCA
PCA+2DPCA
基于PCA的人脸识别方法的比较研究
PCA
人脸识别
2DPCA
PCA+2DPCA
基于PCA的人脸识别方法设计与实现
人脸识别
PCA算法
Fisher准则
基于PCA+2DPCA的人脸识别方法分析
线性变换
人脸识别
PCA
2DPCA
PCA+2DPCA
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种基于比例因子的PCA人脸识别方法
来源期刊 计算机工程与科学 学科 工学
关键词 主成分分析 人脸识别 比例因子
年,卷(期) 2003,(5) 所属期刊栏目 图形与图象
研究方向 页码范围 38-41
页数 4页 分类号 TP391.4
字数 2373字 语种 中文
DOI 10.3969/j.issn.1007-130X.2003.05.012
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 胡德文 国防科技大学机电工程与自动化学院 92 1254 16.0 32.0
2 王刚 国防科技大学机电工程与自动化学院 50 995 17.0 31.0
3 冯贵玉 国防科技大学机电工程与自动化学院 7 65 5.0 7.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (43)
共引文献  (233)
参考文献  (5)
节点文献
引证文献  (1)
同被引文献  (2)
二级引证文献  (19)
1954(1)
  • 参考文献(0)
  • 二级参考文献(1)
1972(1)
  • 参考文献(0)
  • 二级参考文献(1)
1973(1)
  • 参考文献(0)
  • 二级参考文献(1)
1981(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(2)
  • 参考文献(0)
  • 二级参考文献(2)
1990(2)
  • 参考文献(1)
  • 二级参考文献(1)
1991(6)
  • 参考文献(1)
  • 二级参考文献(5)
1992(3)
  • 参考文献(0)
  • 二级参考文献(3)
1993(7)
  • 参考文献(0)
  • 二级参考文献(7)
1994(5)
  • 参考文献(0)
  • 二级参考文献(5)
1995(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(4)
  • 参考文献(0)
  • 二级参考文献(4)
1997(7)
  • 参考文献(0)
  • 二级参考文献(7)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2006(1)
  • 引证文献(1)
  • 二级引证文献(0)
2008(2)
  • 引证文献(0)
  • 二级引证文献(2)
2010(2)
  • 引证文献(0)
  • 二级引证文献(2)
2011(2)
  • 引证文献(0)
  • 二级引证文献(2)
2013(2)
  • 引证文献(0)
  • 二级引证文献(2)
2014(3)
  • 引证文献(0)
  • 二级引证文献(3)
2015(3)
  • 引证文献(0)
  • 二级引证文献(3)
2016(2)
  • 引证文献(0)
  • 二级引证文献(2)
2017(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
主成分分析
人脸识别
比例因子
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与科学
月刊
1007-130X
43-1258/TP
大16开
湖南省长沙市开福区德雅路109号国防科技大学计算机学院
42-153
1973
chi
出版文献量(篇)
8622
总下载数(次)
11
总被引数(次)
59030
相关基金
国家高技术研究发展计划(863计划)
英文译名:The National High Technology Research and Development Program of China
官方网址:http://www.863.org.cn
项目类型:重点项目
学科类型:信息技术
论文1v1指导