تجزیه و تحلیل مولفه ی اصلی بهبود یافته و طبقه بندی رگرسیون خطی برای تشخیص چهره

توضيحات مقاله

تجزیه و تحلیل مولفه ی اصلی بهبود یافته و طبقه بندی رگرسیون خطی برای تشخیص چهره

چکیده 

در این مقاله، تجزیه و تحلیل مولفه ی اصلی بهبود یافته ای (IPCA) برای رگرسیون ویژگی چهره ارائه می شود. IPCA ، اساسا به منظور استخراج اطلاعات مفید از تصاویر چهره ی اصلی از طریق کاهش بعد بردار های ویژگی طراحی شده است . الگوریتم طبقه بندی رگرسیون خطی (LRC) به منظور رفتار با تشخیص چهره به عنوان یک مسئله ی رگرسیون خطی به کار برده می شود. LRC  از روش کوچکترین مربع به منظور تصمیم گیری در رابطه با برچسب کلاس به همراه حداقل خطای ساخت استفاده می کند. آزمایشات بر روی پایگاه های داده ی Yale B ،CMU_PIE و JAFFE اجرا شد. الگوریتم پیشنهاد شده ی IPCA و الگوریتم LRC به نتایج تشخیصی بهتری نسبت به الگوریتم های مدرن دست یافتند.   

کلمات کلیدی : تشخیص چهره ،IPCA ،LRC ،طبقه بندی

——————————————————————–

عنوان اصلی مقاله :  Improved Principal Component Analysis and Linear regression classification for face recognition

ترجمه فارسی عنوان : تجزیه و تحلیل مولفه ی اصلی بهبود یافته و طبقه بندی رگرسیون خطی برای تشخیص چهره

تعداد صفحات انگلیسی: ۲۱ صفحه

تعداد صفحات ترجمه : ۲۶ صفحه

قیمت ترجمه فارسی: ۲۴۰۰۰ تومان

دانلود رایگان نسخه انگلیسی ژورنال و خرید ترجمه فارسی به صورت آنلاین از لینک های پایین

-برای خرید فایل ترجمه مقاله به صورت آنلاین از لینک زیر استفاده نمائید

برای خرید فایل ترجمه به صورت انلاین کلیک کنید