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:
提出了融合自适应加权和局部奇异值分解的人脸识别方法.首先,对每个训练样本分割出人脸图像的5个特殊区域并分别进行奇异值分解,提取一些较大的奇异值构成每一区域的特征向量.然后,计算各局部块的类内距离平均值和类间距离平均值,从而得到各部分对应的权值.识别阶段,计算待识别人脸图像每一区域对所有训练样本人脸图像相应区域的隶属度,最后采用加权融合策略做出判断.基于ORL和FERET人脸数据库的实验结果表明提出的方法具有有效性和可行性.
推荐文章
融合局部奇异值特性的人脸识别方法
人脸识别
灰色理论
灰色关联分析
奇异值分解
基于小波变换和改进的奇异值分解的人脸识别
人脸识别
特征提取
小波变换
奇异值分解
基于奇异值分解和小波神经网络的人脸识别
人脸识别
人工神经网络
奇异值分解
小波神经网络
仿真实验
算法验证
基于改进奇异值分解的人耳识别别算法研究
人耳识别
广义Fishier鉴别分析
特征矩阵
奇异值分解
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 融合自适应加权和局部奇异值分解的人脸识别
来源期刊 计算机工程与应用 学科 工学
关键词 人脸识别 奇异值分解 自适应加权
年,卷(期) 2009,(14) 所属期刊栏目 图形、图像、模式识别
研究方向 页码范围 173-175
页数 3页 分类号 TP391.41
字数 2586字 语种 中文
DOI 10.3778/j.issn.1002-8331.2009.14.053
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 李晓东 3 16 3.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (55)
共引文献  (189)
参考文献  (10)
节点文献
引证文献  (4)
同被引文献  (7)
二级引证文献  (8)
1980(2)
  • 参考文献(0)
  • 二级参考文献(2)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(8)
  • 参考文献(1)
  • 二级参考文献(7)
1992(4)
  • 参考文献(1)
  • 二级参考文献(3)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(4)
  • 参考文献(1)
  • 二级参考文献(3)
1995(4)
  • 参考文献(0)
  • 二级参考文献(4)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(6)
  • 参考文献(0)
  • 二级参考文献(6)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(9)
  • 参考文献(1)
  • 二级参考文献(8)
2001(3)
  • 参考文献(1)
  • 二级参考文献(2)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(3)
  • 参考文献(2)
  • 二级参考文献(1)
2004(4)
  • 参考文献(1)
  • 二级参考文献(3)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(2)
  • 参考文献(1)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(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)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(2)
  • 引证文献(1)
  • 二级引证文献(1)
2013(2)
  • 引证文献(0)
  • 二级引证文献(2)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(2)
  • 引证文献(0)
  • 二级引证文献(2)
2018(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
人脸识别
奇异值分解
自适应加权
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