导读:本文包含了分块主成分分析论文开题报告文献综述及选题提纲参考文献，主要关键词:人脸识别,双向二维主成分分析,特征提取,局部特征
分块主成分分析论文文献综述
乐新宇,肖小霞[1]（2019）在《基于分块双向二维主成分分析的人脸目标识别》一文中研究指出人脸目标识别是目前模式识别、计算机视觉等领域的研究热点问题之一,现有的大多数人脸目标识别算法的条件假设都较为严格,将其应用于现实环境中时,人脸识别的精度较低。针对现实人脸识别中由于光照、表情、姿态或其他物体引起的面部遮挡而严重影响识别率的问题,提出了一种分块双向二维主成分分析融合局部特征方法。首先,将图像分解为互不重迭的子块,每个子块包含重要的局部信息,利用(2D)2PCA对子块进行特征提取并投影到特征子空间;然后,对每个子块分别设计一个分类器并在一定置信度范围内判别测试样本所属类别;最后,根据所有子块所属类别的置信度之和完成人脸分类。在两个人脸识别数据库上的实验结果表明,相比其他几种人脸识别算法,该方法取得了更高的识别精度。(本文来源于《计算机技术与发展》期刊2019年01期）
方嘉言,邵翠萍,李慧云[2]（2018）在《一种基于分块主成分分析的存储器容错方法研究》一文中研究指出随着集成电路工艺水平提升,半导体器件尺寸越来越小,存储器更易受到周围环境的影响而导致数据存储故障。针对这一问题,该文提出了一种基于分块主成分分析的存储器容错方法。该方法应用分块主成分分析算法提取数据的主要特征,并对求取的特征数据作均值化处理,得到原始数据的最佳近似估计。该最佳近似估计可对数据中的任意故障做容错替换,使容错替换后的数据和原始数据的误差最小。实验结果表明,该方法可以使图片数据在0.003 5错误率的情况下仍保持峰值信噪比大于30 dB;与传统纠错码相比,执行时间缩短了约40%,内存消耗减少了约12%,获得了较好的容错效果。(本文来源于《集成技术》期刊2018年06期）
白雪飞,高楠,张宗华,王向军[3]（2018）在《基于分块ST与主成分分析的叁维掌纹识别》一文中研究指出针对现有叁维掌纹身份认证技术样本容量小和识别速度慢的问题,提出一种基于曲面类型(surface type,ST)和主成分分析的叁维掌纹识别新方法.该方法利用分块ST图像的直方图获得更加精细的掌纹特征信息;通过预先降维和主成分分析法相结合,大幅减少后续运算量以及叁维信息量;最后依据特征主成分分析的最近邻距离对比,完成身份认证.实验结果表明,该方法能在35,ms内完成叁维掌纹的4,000次匹配,从而实现大样本条件下特定样本的快速甄别.与已有的叁维掌纹识别方法相比,本文提出的方法不仅能够克服传统方法的小样本局限性,而且可降低运算量和数据冗余;在实现大样本身份识别的同时,兼具更高的识别精度、速度和鲁棒性.(本文来源于《天津大学学报(自然科学与工程技术版)》期刊2018年06期）
鄂东辰,张立杰[4]（2018）在《基于分块多向主成分分析的翻车机液压系统故障诊断》一文中研究指出采用基于物理模型和统计模型的方法对翻车机液压系统故障进行监测。根据翻车机液压系统各阶段的工作机理将监测变量分块,使每一块中的变量间因果关系更加明确,再对各块分别建立多向主成分分析(MPCA)监测模型。将分块MPCA模型和全变量MPCA模型应用于压车缸泄漏故障的监测,结果表明分块MPCA模型对微小泄漏更加敏感,具有较高的故障识别率。(本文来源于《中国机械工程》期刊2018年08期）
肖进胜,朱力,赵博强,雷俊锋,王莉[5]（2018）在《基于主成分分析的分块视频噪声估计》一文中研究指出噪声估计在视频去噪领域具有重要的研究意义.实际生活中的噪声都是未知的,然而现存的视频去噪算法通常都假定视频的噪声水平是已知的,本文提出一种基于主成分分析(Principal component analysis,PCA)的分块视频噪声估计算法.首先,基于帧间进行块匹配寻找相似块,得到差分图像以消除视频运动的影响;其次,将正态分布函数作为阈值函数简化噪声估计算法模型;最后,设置明确迭代指标使得估计的结果更加精确,且降低了计算复杂度.主观视觉效果和客观指标对比表明,本文提出的基于主成分分析的分块视频噪声估计算法比其他优秀的噪声估计算法误差小同时鲁棒性高,能准确地估计视频噪声.(本文来源于《自动化学报》期刊2018年09期）
刘安,周东华,陈茂银[6]（2016）在《分块鲁棒主成分分析的撞击坑图像检测识别》一文中研究指出针对遥感图像地形背景复杂的问题,提出分块鲁棒主成分分析的撞击坑候选区域自动提取方法.基于图像分块,采用交替方向乘子算法进行结构稀疏的低秩分解,低秩成分表示冗余相似的背景,稀疏成分代表包含潜在撞击坑的显着区域.针对显着的区域图采用数学形态运算分割获取候选的撞击坑图像,并通过对候选图像进行稀疏表示的分类,识别出真实撞击坑.基于火星和月球图像的实验结果表明,该方法能去除复杂地形和光照的干扰,检测率达到91.7%.(本文来源于《北京邮电大学学报》期刊2016年01期）
洪军建,珠杰[7]（2015）在《分块主成分分析在文本特征抽取中的应用》一文中研究指出为了降低原始文本特征空间的维数,获得较高的分类精度与执行效率,对多种文本特征提取方法进行了研究,如卡方、互信息、信息增益、主成分分析(PCA)等。针对传统文本特征抽取方法存在的精度不高、执行效率低等问题,提出了一种基于分块主成分分析的文本特征提取算法。该算法通过K-均值词聚类进行特征词分块,再对各分块实施PCA操作抽取出更具代表性的特征项,最后使用支持向量机分类器对文本进行分类。实验结果表明:分块主成分分析的分类指标F_(β=1)达到了88.7%,执行时间为353 s,能够有效提高文本分类精度与执行效率。(本文来源于《河南科技大学学报(自然科学版)》期刊2015年06期）
翟林,潘新,刘霞,郜晓晶,宁丽娜[8]（2015）在《分块双向二维主成分分析与模糊分类的掌纹识别》一文中研究指出掌纹识别是一门新兴的生物特征识别技术。提出基于分块双向二维主成分分析(M(2D)2PCA)和模糊分类的掌纹识别方法。该算法利用M(2D)2PCA提取掌纹的局部特征,并利用模糊分类策略。这种方法可以有效提取掌纹的局部特征,并且直接对子图像矩阵进行特征抽取,能够精确计算协方差矩阵的特征向量;分类阶段引入模糊理论,应用于掌纹识别问题。最后使用北京交通大学掌纹数据库进行识别实验,结果表明,该方法可得到更高的识别率和更少的识别时间。(本文来源于《计算机应用与软件》期刊2015年04期）
谢佩,吴小俊[9]（2015）在《分块多线性主成分分析及其在人脸识别中的应用研究》一文中研究指出主成分分析(Principal Component Analysis,PCA)是人脸识别中一个经典的算法,但PCA方法在特征提取时考虑的是图像的整体信息,并没有考虑图像的局部信息,而分块PCA(Modular Principal Component Analysis,Modular PCA)则可以有效地提取图像中重要的局部信息,所以在人脸识别实验中获得了比传统PCA更好的识别效果。但PCA和Modular PCA都要进行图像的矢量化,这会破坏原始数据的空间结构,也有可能会导致"维数灾难"。多线性主成分分析(Multilinear Principal Component Analysis,Multilinear PCA)作为PCA在高维数据上的扩展,直接使用矩阵或者高阶的张量来获得有效特征,既可以避免"维数灾难",又可以体现直接将张量数据作为处理对象时保留原始数据较好基本结构信息的优点。在研究Modular PCA和Multilinear PCA的基础上,提出了分块多线性主成分分析(Modular Multilinear Principal Component Analysis,M2PCA)算法,用于识别人脸。在Yale、XM2VTS和JAFFE人脸数据库上进行了人脸识别实验,结果表明,在同等的分块条件下,所提出的方法的识别效果要优于Modular PCA的方法。(本文来源于《计算机科学》期刊2015年03期）
李妙洋,蓝荣祎,孙怀江[10]（2013）在《基于分块主成分分析的人体运动合成》一文中研究指出在高维运动数据处理中,传统降维方法过度关注于保护拓扑结构和重构信息,导致低维子空间参数具有不可理解性。针对该问题,提出一种基于分块主成分分析的运动合成方法。对根据人体骨骼结构特点分组的运动数据进行分块主成分分析,获得具有特定语义的低维子空间参数。以跳跃运动为例进行实验,结果表明,该方法通过直观地改变具有语义的运动参数,可实时合成满足要求的运动结果。(本文来源于《计算机工程》期刊2013年09期）
分块主成分分析论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着集成电路工艺水平提升,半导体器件尺寸越来越小,存储器更易受到周围环境的影响而导致数据存储故障。针对这一问题,该文提出了一种基于分块主成分分析的存储器容错方法。该方法应用分块主成分分析算法提取数据的主要特征,并对求取的特征数据作均值化处理,得到原始数据的最佳近似估计。该最佳近似估计可对数据中的任意故障做容错替换,使容错替换后的数据和原始数据的误差最小。实验结果表明,该方法可以使图片数据在0.003 5错误率的情况下仍保持峰值信噪比大于30 dB;与传统纠错码相比,执行时间缩短了约40%,内存消耗减少了约12%,获得了较好的容错效果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
分块主成分分析论文参考文献
[1].乐新宇,肖小霞.基于分块双向二维主成分分析的人脸目标识别[J].计算机技术与发展.2019
[2].方嘉言,邵翠萍,李慧云.一种基于分块主成分分析的存储器容错方法研究[J].集成技术.2018
[3].白雪飞,高楠,张宗华,王向军.基于分块ST与主成分分析的叁维掌纹识别[J].天津大学学报(自然科学与工程技术版).2018
[4].鄂东辰,张立杰.基于分块多向主成分分析的翻车机液压系统故障诊断[J].中国机械工程.2018
[5].肖进胜,朱力,赵博强,雷俊锋,王莉.基于主成分分析的分块视频噪声估计[J].自动化学报.2018
[6].刘安,周东华,陈茂银.分块鲁棒主成分分析的撞击坑图像检测识别[J].北京邮电大学学报.2016
[7].洪军建,珠杰.分块主成分分析在文本特征抽取中的应用[J].河南科技大学学报(自然科学版).2015
[8].翟林,潘新,刘霞,郜晓晶,宁丽娜.分块双向二维主成分分析与模糊分类的掌纹识别[J].计算机应用与软件.2015
[9].谢佩,吴小俊.分块多线性主成分分析及其在人脸识别中的应用研究[J].计算机科学.2015
[10].李妙洋,蓝荣祎,孙怀江.基于分块主成分分析的人体运动合成[J].计算机工程.2013