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:
提出了基于BP神经网络的主分量人脸识别算法.该算法首先用小波变换对人脸图像进行小波分解,形成低频小波子图.然后用主分量分析法构造特征脸子空间,将人脸图像在特征空间的投影作为BP神经网络的输入,由BP神经网络和后验概率转换器构成人脸识别器.针对ORL人脸库的实验结果表明该方法具有较高的识别率.
推荐文章
基于独立分量分析和神经网络的人脸识别方法
独立分量分析
主分量分析
神经网络
人脸识别
应用BP神经网络的人脸识别系统
BP神经网络
人脸识别
遗传算法
基于改进BP神经网络的人脸识别算法
神经网络
小波
人脸图像
光照校正
主成分分析与BP神经网络的人脸识别方法研究
主成分分析
BP神经网络
人脸识别
BioID人脸数据库
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 基于BP神经网络的主分量分析人脸识别算法
来源期刊 计算机工程与应用 学科 工学
关键词 人脸识别 BP神经网络 主分量分析(PCA) 小波变换
年,卷(期) 2007,(36) 所属期刊栏目 工程与应用
研究方向 页码范围 226-229
页数 4页 分类号 TP391.41
字数 4063字 语种 中文
DOI 10.3321/j.issn:1002-8331.2007.36.070
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 张晓华 河北科技师范学院数理系 10 44 3.0 6.0
3 赵立强 河北科技师范学院数理系 26 163 6.0 11.0
6 高振波 河北科技师范学院计算机系 13 58 4.0 7.0
7 张洪亮 河北科技师范学院数理系 2 33 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (13)
共引文献  (17)
参考文献  (4)
节点文献
引证文献  (26)
同被引文献  (39)
二级引证文献  (58)
1989(2)
  • 参考文献(0)
  • 二级参考文献(2)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(2)
  • 参考文献(1)
  • 二级参考文献(1)
1993(2)
  • 参考文献(1)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(2)
  • 参考文献(2)
  • 二级参考文献(0)
2007(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)
2008(2)
  • 引证文献(2)
  • 二级引证文献(0)
2009(2)
  • 引证文献(2)
  • 二级引证文献(0)
2010(5)
  • 引证文献(2)
  • 二级引证文献(3)
2011(4)
  • 引证文献(2)
  • 二级引证文献(2)
2012(6)
  • 引证文献(0)
  • 二级引证文献(6)
2013(8)
  • 引证文献(5)
  • 二级引证文献(3)
2014(2)
  • 引证文献(1)
  • 二级引证文献(1)
2015(5)
  • 引证文献(2)
  • 二级引证文献(3)
2016(15)
  • 引证文献(4)
  • 二级引证文献(11)
2017(13)
  • 引证文献(5)
  • 二级引证文献(8)
2018(11)
  • 引证文献(1)
  • 二级引证文献(10)
2019(11)
  • 引证文献(0)
  • 二级引证文献(11)
研究主题发展历程
节点文献
人脸识别
BP神经网络
主分量分析(PCA)
小波变换
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
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导