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:
PCA算法作为一种数值分析技术,主要的应用是用于简化数据、降低数据维度.将PCA算法应用到人脸识别,能提取出人脸图像中最主要特征,去除数据的冗余和噪声.文中采用PCA进行人脸识别,能为人脸识别提取区分度高的特征数据,有效提高了识别的准确性.且在ORL和YALE人脸库进行了实验.实验结果表明,该方法对实验的人脸图像有较高的识别率.
推荐文章
基于MB-LBP算子和Multilinear PCA算法的人脸识别
MB-LBP算法
Multilinear PCA算法
特征提取
人脸识别
基于PCA算法的人脸识别方法研究比较
主成分分析
二维主成分分析
数据降维
人脸识别
基于小波和DFB-PCA的人脸识别算法研究
小波变换
DFB-PCA
图像识别
人脸识别
基于PCA的人脸识别方法的比较研究
PCA
人脸识别
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 基于PCA算法的人脸识别
来源期刊 电子科技 学科 工学
关键词 主成份分析 特征提取 人脸识别
年,卷(期) 2015,(8) 所属期刊栏目 协议·算法及仿真
研究方向 页码范围 98-101
页数 4页 分类号 TP391.41
字数 2264字 语种 中文
DOI 10.16180/j.cnki.issn1007-7820.2015.08.029
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 杨阿庆 广东科技学院计算机系 7 25 2.0 5.0
2 黄华盛 广东科技学院计算机系 8 28 2.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (5)
共引文献  (4)
参考文献  (6)
节点文献
引证文献  (22)
同被引文献  (69)
二级引证文献  (41)
1990(1)
  • 参考文献(1)
  • 二级参考文献(0)
1991(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)
2004(2)
  • 参考文献(1)
  • 二级参考文献(1)
2005(2)
  • 参考文献(1)
  • 二级参考文献(1)
2006(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)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(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)
2016(3)
  • 引证文献(3)
  • 二级引证文献(0)
2017(6)
  • 引证文献(6)
  • 二级引证文献(0)
2018(12)
  • 引证文献(7)
  • 二级引证文献(5)
2019(25)
  • 引证文献(5)
  • 二级引证文献(20)
2020(17)
  • 引证文献(1)
  • 二级引证文献(16)
研究主题发展历程
节点文献
主成份分析
特征提取
人脸识别
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
电子科技
月刊
1007-7820
61-1291/TN
大16开
西安电子科技大学
1987
chi
出版文献量(篇)
9344
总下载数(次)
32
总被引数(次)
31437
论文1v1指导