基于P-RBF神經網絡的人臉識別算法研究.pdf

1、學校代碼：10406分類號：TM461學號：130081101006南昌航空大學南昌航空大學碩士學位論文碩士學位論文（學術學位研究生）基于基于PRBF神經網絡的人臉識別算法研究神經網絡的人臉識別算法研究碩士研究生：馬子弦導師：馬銀平教授申請學位級別：碩士學科、專業(yè)：控制理論與控制工程所在單位：信息工程學院答辯日期：2017年06月授予學位單位：南昌航空大學I摘要數據預處理時，主成分分析算法（PCA算法）能夠降低特征空間的維數。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相結合的新型算法，接著詳細介紹了PRBF神經網絡的設計方法和具體實現(xiàn)過程，最后，在AT＆T數據庫和耶魯數據庫中進行人臉識別試驗，從而為PRBF神經網絡的人臉識別系統(tǒng)設計了一個最優(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神經

3、網絡（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據預處理部分和圖像數據識別部分構成。提出的PRBF神經網絡體系結構分為三個功能模塊：條件部分、結論部分、和聚集部分。在PRBF神經網絡的條件部分，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神經網絡的結論部分中，使用如下三種多項式，如常數型、線性型和二次多項式型來作為連接函數。在PRBF神經網絡的聚集部分，通過

4、采用模糊推理法獲得PRBF神經網絡模型的系數。同時，將“如果那么”規(guī)則作為該神經網絡聚集部分的模糊規(guī)則集合。該神經網絡的基本設計參數（包括學習速率，動量系數，模糊化系數和特征選擇項）由差分進化（DE）算法進行優(yōu)化。最后，在AT＆T數據庫和耶魯數據庫進行人臉識別試驗，實驗結果表明，PCALDA結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果。關鍵詞關鍵詞：PCA主成分分析，LDA線性判別分析，PRBF神經網絡，F(xiàn)CM