利用模糊最近特徵線轉換做人臉辨識; Face Recognition Using Fuzzy Nearest

NCU Institutional Repository > 資訊電機學院 > 資訊工程學系碩士在職專班 > 博碩士論文 > Item 987654321/64326

jsp.display-item.identifier=請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/64326

题名:	利用模糊最近特徵線轉換做人臉辨識;Face Recognition Using Fuzzy Nearest
作者:	涂麗玉;Tu,Li-Yu
贡献者:	資訊工程學系在職專班
关键词:	最近特徵線;模糊理論;NFLE;Fuzzy
日期:	2014-03-19
上传时间:	2014-06-19 14:06:55 (UTC+8)
出版者:	國立中央大學
摘要:	最近特徵線轉換 (Nearest Feature Line Embedding, NFLE)，是以最近特徵線方法作為共變異數矩陣計算的空間轉換方式，在先前的研究中，NFLE 已在實驗中顯示出它在人臉辨識上有不錯的效果，然而在進行特徵線的分類計算時，大多採用歐氏距離，但歐氏距離對於每個樣本在相同基準下進行計算，無法真實呈現出樣本的重要程度之分。因此在本研究中，我們提出了 Fuzzy NFLE，利用加權式歐式距離，將樣本依距離給予權重，距離近的樣本權重較大，距離遠的樣本權重較小，如此可以模糊化樣本的類別資訊，使類別資訊能夠充份地被利用，因此可以增加轉換空間的區別能力，我們以人臉辨識進行實驗，實驗結果顯示 Fuzzy NFLE 辨識率可優於 NFLE。; Nearest Feature Line Embedding (NFLE) is a feature space transformation algorithm whose covariance matrix is obtained based on Nearest Feature Line. In previous studies, NFLE has successfully demonstrated its capability in face recognition However, the contribution of each training sample cannot be precisely extracted because NFLE is obtained based on Euclidean distance. To remedy this problem, fuzzy NFLE is introduced in this thesis. In our work, Fuzzy NFLE uses distance to evaluate each sample by assigning greater weight to closer sample in order to fully utilize the discriminative information of each sample with an eye to increasing feature space transfer capability. Experimental results demonstrate that the face recognition rate of Fuzzy NFLE performs better than NFLE.
显示于类别:	[資訊工程學系碩士在職專班 ] 博碩士論文

文件中的档案:

档案	描述	大小	格式	浏览次数
index.html		0Kb	HTML	748	检视/开启

在NCUIR中所有的数据项都受到原著作权保护.

社群 sharing

数据加载中.....