作者:
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:
在人脸识别的某些应用中,最好能够找到原始特征的关键子集,减少不必要的特征计算和资源耗费,而不是得到所有原始特征的映射.主成分分析法(Principal Components Analysis,PCA)是目前比较常用的人脸识别算法,PCA将人脸图像映射到能很好地表征训练图像集的特征脸空间中,但是基于PCA的人脸识别的缺陷在于原始空间所有的特征都映射到了低维特征窄间中,是基于最佳描述性特征子集.提出了一种新的基于PCA的特征选择方法,将特征选择与特征抽取相结合,对特征脸空间再进行特征选择,选择人脸原始特征集中最关键的特征,并将其应用在基于PCA的人脸识别中.
推荐文章
基于PCA算法的织物疵点图像特征选择
PCA
特征选择
疵点检测
支持向量机
分类
基于核PCA的智能图像分析算法
聚类
核PCA
径向基神经网络
无人监督学习
基于PCA和KHM聚类的唇特征提取算法的研究
特征提取
主成分分析
KHM
人脸语音动画
基于PCA的彩色印刷图像色彩分割算法
色彩分割
主成分分析
分水岭算法
K均值聚类
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PCA的特征选择算法
来源期刊 计算机技术与发展 学科 工学
关键词 人脸识别 PCA 特征脸 特征选择
年,卷(期) 2011,(4) 所属期刊栏目 智能、算法、系统工程
研究方向 页码范围 123-125
页数 分类号 TP301.6
字数 2337字 语种 中文
DOI 10.3969/j.issn.1673-629X.2011.04.032
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 于成龙 南京邮电大学计算机学院 2 42 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (14)
共引文献  (125)
参考文献  (6)
节点文献
引证文献  (42)
同被引文献  (76)
二级引证文献  (109)
1967(1)
  • 参考文献(0)
  • 二级参考文献(1)
1983(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(3)
  • 参考文献(1)
  • 二级参考文献(2)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(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(2)
  • 参考文献(1)
  • 二级参考文献(1)
2005(2)
  • 参考文献(2)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(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)
2012(2)
  • 引证文献(2)
  • 二级引证文献(0)
2013(3)
  • 引证文献(3)
  • 二级引证文献(0)
2014(11)
  • 引证文献(4)
  • 二级引证文献(7)
2015(17)
  • 引证文献(10)
  • 二级引证文献(7)
2016(18)
  • 引证文献(4)
  • 二级引证文献(14)
2017(34)
  • 引证文献(11)
  • 二级引证文献(23)
2018(32)
  • 引证文献(6)
  • 二级引证文献(26)
2019(27)
  • 引证文献(2)
  • 二级引证文献(25)
2020(7)
  • 引证文献(0)
  • 二级引证文献(7)
研究主题发展历程
节点文献
人脸识别
PCA
特征脸
特征选择
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
计算机技术与发展
月刊
1673-629X
61-1450/TP
大16开
西安市雁塔路南段99号
52-127
1991
chi
出版文献量(篇)
12927
总下载数(次)
40
总被引数(次)
111596
相关基金
江苏省自然科学基金
英文译名:Natural Science Foundation of Jiangsu Province
官方网址:http://www.jsnsf.gov.cn/News.aspx?a=37
项目类型:
学科类型:
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导