人脸识别技术中半监督降维方法的分析与改进.doc

摘要:人脸识别是计算机技术中一项热门的研究领域，它属于生物特征识别技术，根据生物体（一般特指人）本身的生物特征来区分生物体个体.人脸识别技术中由于人脸图像数据维数都较高，容易出现“维数灾难”并且提高数据的计算复杂性和冗余性，因而降维方法的选取就变得很重要.本文在参考许多文献的基础上对半监督降维方法进行分析，并提出自己的相关看法与改进建议.

关键字：图像处理；人脸识别；半监督降维

人脸识别由于其具有的特点，使得其相对与其他识别技术更容易被推广.但是一般人脸图像数据的维数很高，容易出现“维数灾难”[1]并且提高数据的计算复杂性和冗余性，如何降低人脸图像的维数成为了一个研究热点[2].这几年，半监督降维方法吸引了很多人，半监督降维将传统的降维算法有效结合，不只利用数据的类标号信息还保持数据的整体结构信息并且不需要很多的人工参与就会有更精确的精度.综上所述，作者从半监督降维方法的分析出发，提出自己的看法与改进建议.

目录

摘要

Abstract

一、人脸识别

（一）人脸识别概述

（二）人脸识别的优势

（三）人脸识别的困难

（四）人脸识别的应用

（五）总结

二、降维

（一）降维的概念

（二）降维的方法分类[4]

三、人脸图像数据降维算法

（一）降维方法简介

（二）无监督降维（PCA）

（三）有监督降维（LDA）

（四）半监督降维（SSDR）

（五）半监督降维改进

四、实验设计与结果分析

(一)绘制特征图像与重构的特征图像

(二)识别率的比较

(三)实验结果分析

(四)部分代码

参考文献