基于軟計算的人臉識別理論研究與應用.pdf

1、人臉識別是計算機模式識別領域中一個富有挑戰(zhàn)性的課題，有著重要的理論研究價值和應用價值。本文將軟計算方法中的粗糙集理論和模糊神經(jīng)網(wǎng)絡與代數(shù)特征抽取相結合對人臉識別進行研究，主要內容如下： 1.研究了基于PCA和LDA的人臉識別方法，在ORL人臉庫上的實驗結果表明LDA方法比PCA方法抽取的特征在最小距離分類器上的識別率要高。 2.研究了基于粗糙集理論的人臉識別方法，用基于粗糙集近似約簡誤差的屬性約簡算法對Fisherfac

2、e進行特征選擇，使Fisherface的維數(shù)得到進一步壓縮，在Iris數(shù)據(jù)和ORL人臉庫上的實驗結果表明了該方法的有效性。 3.研究了基于模糊神經(jīng)網(wǎng)絡的人臉識別方法，分析和詳細闡述了兩種模糊神經(jīng)網(wǎng)絡——后件為實數(shù)的模糊神經(jīng)網(wǎng)絡和補償模糊神經(jīng)網(wǎng)絡，將這兩種模糊神經(jīng)網(wǎng)絡應用到人臉識別上，在ORL人臉庫上的實驗結果表明這兩種方法可有效提高人臉識別率。 4.提出了人臉識別的一種新方法，該方法克服了Roman W.等(文獻[13]