基于P-RBF神經(jīng)網(wǎng)絡(luò)的人臉識別算法研究.pdf

1、學(xué)校代碼：10406分類號：TM461學(xué)號：130081101006南昌航空大學(xué)南昌航空大學(xué)碩士學(xué)位論文碩士學(xué)位論文（學(xué)術(shù)學(xué)位研究生）基于基于PRBF神經(jīng)網(wǎng)絡(luò)的人臉識別算法研究神經(jīng)網(wǎng)絡(luò)的人臉識別算法研究碩士研究生：馬子弦導(dǎo)師：馬銀平教授申請學(xué)位級別：碩士學(xué)科、專業(yè)：控制理論與控制工程所在單位：信息工程學(xué)院答辯日期：2017年06月授予學(xué)位單位：南昌航空大學(xué)I摘要數(shù)據(jù)預(yù)處理時，主成分分析算法（PCA算法）能夠降低特征空間的維數(shù)。但是，由于

2、涉及整體面部圖像，使得在改變視點的情況下不能保證具有相同的識別率，故為了彌補局限性，在PCA算法的基礎(chǔ)上提出了線性判別分析算法（LDA算法）來提高處理不同類別圖像時的識別率。本文首先闡述了由PCA與LDA相結(jié)合的新型算法，接著詳細(xì)介紹了PRBF神經(jīng)網(wǎng)絡(luò)的設(shè)計方法和具體實現(xiàn)過程，最后，在AT＆T數(shù)據(jù)庫和耶魯數(shù)據(jù)庫中進行人臉識別試驗，從而為PRBF神經(jīng)網(wǎng)絡(luò)的人臉識別系統(tǒng)設(shè)計了一個最優(yōu)的人臉識別方案。在本文中，提出了基于多項式的徑向基函數(shù)神經(jīng)

3、網(wǎng)絡(luò)（PRBFNNS）作為主要識別部分的人臉識別系統(tǒng)。該系統(tǒng)有助于解決高維圖像識別問題其主要由圖像數(shù)據(jù)預(yù)處理部分和圖像數(shù)據(jù)識別部分構(gòu)成。提出的PRBF神經(jīng)網(wǎng)絡(luò)體系結(jié)構(gòu)分為三個功能模塊：條件部分、結(jié)論部分、和聚集部分。在PRBF神經(jīng)網(wǎng)絡(luò)的條件部分，輸入空間通過使用模糊C均值（FCM）算法來實現(xiàn)模糊聚類的分配。在PRBF神經(jīng)網(wǎng)絡(luò)的結(jié)論部分中，使用如下三種多項式，如常數(shù)型、線性型和二次多項式型來作為連接函數(shù)。在PRBF神經(jīng)網(wǎng)絡(luò)的聚集部分，通過

4、采用模糊推理法獲得PRBF神經(jīng)網(wǎng)絡(luò)模型的系數(shù)。同時，將“如果那么”規(guī)則作為該神經(jīng)網(wǎng)絡(luò)聚集部分的模糊規(guī)則集合。該神經(jīng)網(wǎng)絡(luò)的基本設(shè)計參數(shù)（包括學(xué)習(xí)速率，動量系數(shù)，模糊化系數(shù)和特征選擇項）由差分進化（DE）算法進行優(yōu)化。最后，在AT＆T數(shù)據(jù)庫和耶魯數(shù)據(jù)庫進行人臉識別試驗，實驗結(jié)果表明，PCALDA結(jié)合算法具有更好的可行性和有效性，能有效實時的給出測試者的人臉識別結(jié)果。關(guān)鍵詞關(guān)鍵詞：PCA主成分分析，LDA線性判別分析，PRBF神經(jīng)網(wǎng)絡(luò)，F(xiàn)CM