2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩61頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、人臉識別作為一種典型的生物特征鑒別方式,已經(jīng)成為模式識別領(lǐng)域中一個重要的研究方向,具有廣闊的應(yīng)用前景。近年來移動互聯(lián)網(wǎng)的迅速發(fā)展對人臉識別的應(yīng)用也隨之產(chǎn)生了新的需求,可是傳統(tǒng)的人臉識別方法由于運算量較大,在移動環(huán)境下對內(nèi)存容量、電池續(xù)航能力等硬件的要求較高,難以應(yīng)對移動互聯(lián)網(wǎng)環(huán)境下的大數(shù)據(jù)量處理。
  基于統(tǒng)計特征的人臉識別方法是最常用的方法。為了研究基于統(tǒng)計學(xué)習(xí)理論的分類器在人臉識別中的識別率,本文分別對基于支持向量機的人臉識別

2、方法與基于神經(jīng)網(wǎng)絡(luò)的人臉識別方法進行了研究,Bagging算法指出訓(xùn)練多個支持向量機再生成單一支持向量機進行人臉識別的方式能夠獲得更好的識別率。MapReduce模型是由Google最早發(fā)布的一種支持大規(guī)模數(shù)據(jù)并行處理的編程模型,具有實現(xiàn)簡單、擴展性好的特點,且利用MapReduce模型能夠很好地實現(xiàn)Bagging算法思想。本文據(jù)此提出了利用MapReduce模型在Hadoop平臺訓(xùn)練支持向量機進行人臉識別的方法,對人臉識別這種多分類問

3、題提出了針對多類支持向量機的“一對多”法與“一對一”法的訓(xùn)練策略,即在Map階段對分片的輸入樣本生成多個支持向量機,再將滿足條件的支持向量交給Reducer處理,得到最終用于識別的支持向量機。本文對樣本量大小不同的三組數(shù)據(jù)進行的實驗均顯示出“一對一”法和“一對多”法的訓(xùn)練速度在MapReduce模型下都獲得了提升。樣本數(shù)量越大,兩種方法在識別率與訓(xùn)練速度上的表現(xiàn)都更加優(yōu)越,其中“一對一”法比“一對多”法在MapReduce模型下的識別率

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論