發(fā)布時(shí)間：2018-05-09 17:04

  本文選題：人臉識(shí)別 + 域適應(yīng)��； 參考：《計(jì)算機(jī)應(yīng)用研究》2017年06期

【摘要】：當(dāng)源域和目的域數(shù)據(jù)分布不同時(shí),大多數(shù)機(jī)器學(xué)習(xí)方法的性能會(huì)降低。為了解決這一問(wèn)題,基于域適應(yīng)的思想,提出了一種新的人臉識(shí)別方法。首先計(jì)算源域樣本的相對(duì)權(quán)值,刪除與目的域樣本相差很大的樣本,降低兩域之間的差異性;然后采用基于正規(guī)化的Bregman divergence獲得公共子空間,獲得兩域之間的共性;最后利用目的域樣本目標(biāo)化源域樣本,充分利用目的域的特有信息。在此基礎(chǔ)上建立的分類(lèi)模型能夠充分利用兩域之間的共性和目的域的特性,實(shí)現(xiàn)對(duì)目的域的準(zhǔn)確分類(lèi)。為了評(píng)估方法的性能,在多個(gè)數(shù)據(jù)集上進(jìn)行測(cè)試實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果證明,該方法的性能與其他幾種方法相比均有所提高。
[Abstract]:When the data distribution between source domain and destination domain is different, the performance of most machine learning methods will decrease. In order to solve this problem, a new face recognition method is proposed based on the idea of domain adaptation. First, the relative weights of the source domain samples are calculated, the samples which are quite different from the target domain samples are deleted, the differences between the two domains are reduced, and then the common subspace is obtained by using the regularized Bregman divergence to obtain the commonality between the two domains. Finally, the target domain samples are used to target the source domain samples, and the specific information of the target domain is fully utilized. On this basis, the classification model can make full use of the commonness between the two domains and the characteristics of the target domain, and realize the accurate classification of the target domain. In order to evaluate the performance of the method, test experiments are carried out on multiple data sets. The experimental results show that the performance of this method is improved compared with other methods.
【作者單位】： 中國(guó)礦業(yè)大學(xué)計(jì)算機(jī)科學(xué)技術(shù)學(xué)院;
【基金】：國(guó)家自然科學(xué)基金委員會(huì)—山西省人民政府煤基低碳聯(lián)合基金資助項(xiàng)目(U1510115) 中國(guó)博士后科學(xué)基金特別資助項(xiàng)目(2013T60574)
【分類(lèi)號(hào)】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 許學(xué)研;王蘇南;吳春明;;基于子空間聚類(lèi)算法的流量分類(lèi)方法研究[J];計(jì)算機(jī)科學(xué);2014年S2期

2 楊文讓;王中卿;李培峰;朱巧明;;基于質(zhì)心遷移的領(lǐng)域適應(yīng)性情感分類(lèi)[J];計(jì)算機(jī)應(yīng)用與軟件;2011年12期

3 蔣斌;賈克斌;楊國(guó)勝;;人臉表情識(shí)別的研究進(jìn)展[J];計(jì)算機(jī)科學(xué);2011年04期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 蘇志銘;陳靚影;;基于自回歸模型的動(dòng)態(tài)表情識(shí)別[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2017年06期

2 齊梅;李艷秋;;WGC特征描述的人臉表情識(shí)別[J];電子測(cè)量與儀器學(xué)報(bào);2017年04期

3 吳國(guó)文;李旭;;基于深度學(xué)習(xí)的人臉識(shí)別算法分析[J];網(wǎng)絡(luò)安全技術(shù)與應(yīng)用;2017年02期

4 周軍娜;陳偉;王珂;湯鎮(zhèn)宇;;通過(guò)域適應(yīng)實(shí)現(xiàn)人臉識(shí)別[J];計(jì)算機(jī)應(yīng)用研究;2017年06期

5 苗語(yǔ);石樂(lè)民;劉橋;盛譯丹;梁銘;;表情數(shù)據(jù)驅(qū)動(dòng)三維人臉模型方法[J];長(zhǎng)春理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2016年02期

6 葉h，

本文編號(hào)：1866834