文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 工程科技 > 信息与通信 > 基于主元分析和BP神经网络的人脸识别研究
侵权投诉

基于主元分析和BP神经网络的人脸识别研究

基于主元分析和BP神经网络的人脸识别研究

68 杭州电子科技大学学报 2005年

M St=i= 1(xi- x)(xi- x)T=XXT

MM

X=[x1- x,x2- x,!,xM- x]

故构造矩阵L,使得:

L=XTX RM M

知,总体散布矩阵Si的正交归一特征向量ui为:

Xv; i=1,2,!,M(4)i1

这就求出了总体散布矩阵St的特征向量,它是通过计算较低维矩阵L的特征值和特征向量而间接 ui=求出的。这样总共得到了M个特征向量。然而,事实上并非所有的特征向量ui都有很大的保留意义,可以根据应用的具体要求舍去那些较小的特征值所对应的特征向量[5]。为此定义方差贡献率函数:

(k)=i i/ j=1j=1

然后在求出的特征向量中选取前k个最大的特征值所对应的特征向量,使得:

(k)#

在式6中, 为小于1的数。

对于一个人脸图像向量y,向特征向量ui(i=1,2,!,k)所张成的低维子空间投影,其坐标系数向量就是所提取的人脸特征,即:

c=UTy

式中,U为特征向量ui所构成的矩阵,c为所提取的人脸特征向量。(7)kM(2)(3)容易求出矩阵L的特征值 1及对应的正交归一特征向量vi(i=1,2,!,M)。由奇异值分解定理可(5)(6)

2 基于BP神经网络的分类器

BP神经网络的算法又称为误差反向传播算法,BP神经网络具有良好的自适应性和分类识别等能力。BP神经网络模型的结构如图1所示

基于主元分析和BP神经网络的人脸识别研究

[6]。它是由输入层、隐层和输出层所组成的。

图1 BP神经网络的结构图

下面为BP神经网络算法的步骤

随机数;

(2)提供训练样本:输入向量Xk(k=1,2,!,P);期望输出向量Tk(k=1,2,!,P)。对每个输入样本进行下面步骤(3)到步骤(6)的迭代;

(3)计算神经网络的实际输出及隐层神经元的状态。

okj=fj( wjioki+!j)i

(4)计算训练误差。

输出层 kj=okj(1-okj)(tkj-okj)

隐层 kj=okj(1-okj) kmwmj)m

((9)(10)(8)[7]:(1)给定最大训练次数MAX,并设置各层神经元权值wji(0)的初始值和阈值的初始值!j(0)为小的

上一页第2页

你可能喜欢

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email