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:
本文主要利用主成分分析(PCA)方法提取人脸特征,将原来的自变量变换到另外的一个空间中,即特征子空间,然后选择其中~部分重要成分作为自变量(此时丢弃了一部分不重要的自变量),最后利用最小二乘方法对选取主成分后的模型参数进行估计。通过低维子空间表示高维数据,有效的对数据进行了压缩,识别起来简单有效。
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算法的人脸检测研究
来源期刊 智慧工厂 学科 工学
关键词 主成分分析 特征子空间 最小二乘方法
年,卷(期) 2016,(12) 所属期刊栏目
研究方向 页码范围 97-101
页数 5页 分类号 TP336
字数 语种
DOI
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 李萍 西安工业大学理学院 7 10 2.0 3.0
2 张磊 齐鲁工业大学电气工程与自动化学院 10 14 3.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (11)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2005(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)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(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)
研究主题发展历程
节点文献
主成分分析
特征子空间
最小二乘方法
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
智慧工厂
月刊
1606-5123
大16开
1995
chi
出版文献量(篇)
9594
总下载数(次)
34
论文1v1指导