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115頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明: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,請進行舉報或認領

文檔簡介

1、多模態(tài)生物特征識別,作為一種新型的、憑借用戶自身固有的屬性特征進行身份識別,近年來日趨成為國際上的研究熱點。其應用涉及商業(yè)、安全和司法等領域,可用于自動視頻監(jiān)控、訪問控制、身份鑒定、計算機人/機界面設計、銀行ATM機等。 作為生物特征識別的主要方法之一,人工神經(jīng)網(wǎng)絡自80年代初復蘇以來一直是科學與工程上的一個熱點研究學科,吸引了包括MIT、Harvard大學等國際一流學術機構的科學家從事此領域研究,并取得了大量的研究成果,《Sc

2、ience》、《Nature》等許多國際一流學術刊物常有相關研究成果發(fā)表。 本論文重點研究多模態(tài)生物特征融合的神經(jīng)網(wǎng)絡方法,主要研究了如何利用神經(jīng)網(wǎng)絡方法提取人臉的局部特征和全局特征,并進行身份識別。其中主要研究了PCA主元分析、帶稀疏度約束的非負矩陣分解NMFs、徑向基神經(jīng)網(wǎng)絡RBF、Fisher線性判別法等方法,并用于含噪聲的人臉圖像識別(本文不涉及人臉檢測)。研究了基于固定吸引點的聯(lián)想神經(jīng)網(wǎng)絡,構建了能學習連續(xù)吸引子的子空

3、間聯(lián)想存儲器,用于局部殘缺、局部遮擋的人臉圖像識別。研究了連續(xù)粒子群優(yōu)化算法PSO模型及二進制離散PSO模型,并利用人工免疫陰性選擇機制控制粒子的最低及最高飛行速度。研究了自適應模糊神經(jīng)推理、自適應Bayes決策融合策略、以及自適應Bayes優(yōu)化的人工免疫二進制PSO模型(用于尋找最優(yōu)融合規(guī)則),并利用自適應模糊神經(jīng)推理和自適應Bayes優(yōu)化的人工免疫二進制PSO算法解決人臉全局特征與局部特征融合、人臉與指紋融合等多模態(tài)生物特征融合的身

4、份識別問題。 本論文的主要研究成果和創(chuàng)新如下: 1.提出并改進了基于神經(jīng)網(wǎng)絡的人臉圖像的局部特征提取與識別方法,將帶稀疏度約束的非負矩陣分解NMFs與Fisher線性判別法結合起來,利用徑向基神經(jīng)網(wǎng)絡RBF作為分類器,對識別不同光照、采自不同頭部姿勢、不同表情的、含局部遮擋噪聲的人臉圖像,具有顯著的優(yōu)勢,系統(tǒng)性能明顯提高; 2.建立了具有連續(xù)吸引子的子空間聯(lián)想神經(jīng)網(wǎng)絡模型,與具有固定吸引點的聯(lián)想神經(jīng)網(wǎng)絡相比,子空

5、間聯(lián)想神經(jīng)網(wǎng)絡能恢復填充輸入人臉圖像的殘缺或遮擋部分,并能顯著提高部分殘缺/遮擋的人臉圖像的識別性能; 3.提出了最低/最高速度約束的連續(xù)粒子群優(yōu)化算法,并用于訓練多層感知機,能有效保證在搜索函數(shù)的最優(yōu)解時,算法的收斂速度更快,收斂能力更強,并且能避開局部最優(yōu),收斂到全局最優(yōu); 4.提出了人臉全局特征與局部特征融合的自適應模糊神經(jīng)推理,以及自適應Bayes優(yōu)化的人工免疫二進制PSO算法,融合人臉的局部和全局特征進行身份識

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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權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。
  • 6. 下載文件中如有侵權或不適當內(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。

最新文檔

評論

0/150

提交評論