导读:本文包含了网络人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,卷积神经网络,Prewitt算子
网络人论文文献综述
蒋晓,高玮玮,杨亦乐,马晓峰[1]（2019）在《基于Prewitt算子的卷积神经网络人脸识别方法》一文中研究指出为了提高人脸识别算法的识别性能,提出了基于Prewitt算子的卷积神经网络人脸识别方法。首先通过直方图均衡化和Prewitt算子对人脸图像进行预处理;然后将其输入卷积神经网络进行训练,并采用指数衰减法来设置学习率加快收敛速度,使用L2正则化和Dropout来防止过拟合。该方法在ORL人脸数据库上的识别时间为0.2 s,识别率达到了98.1%。实验结果表明,利用Prewitt算子和改进的卷积神经网络能缩短识别时间,并且能提高识别率,具有一定优越性。(本文来源于《软件》期刊2019年10期）
王棣[2]（2019）在《“网络人设”代表不了真实生活》一文中研究指出网络时代，微信朋友圈成了不少人展示个人生活的社交平台。晒娃、晒饭、晒旅游，打卡、拉票、做营销，很多人认为，透过朋友圈就可以窥见一个人的生活全貌，进而对其个人形象产生相应的社会评价。也正因此，一些人剑走偏锋，在网上购买虚假照片和文案“精装”朋友圈，衣食住行(本文来源于《张家口日报》期刊2019-10-09）
张敬敏,程倩倩,李立欣,岳晓奎[3]（2019）在《高噪声环境下的生成对抗网络人机语音增强技术》一文中研究指出在复杂环境下,传统的语音增强技术存在泛化能力弱、性能表现不足等缺点。近年来,生成对抗网络技术在语音信号处理领域有着重大突破。通过改进传统的生成对抗网络模型,提出了基于深度完全卷积生成对抗网络的高噪声环境下人机语音增强方法。该方法将语音信号语谱图作为生成器输入,判别器根据纯净语音信号指导生成器生成高质量的语音信号,滤除噪声信号。实验表明,通过语谱图和客观质量评分评估,可以发现所提方法可以明显改善语音质量,减少语音失真,增强系统的鲁棒性。(本文来源于《移动通信》期刊2019年08期）
李海朋,李晶皎,金硕巍,杨丹[4]（2019）在《多宇宙并行量子遗传神经网络人脸识别算法研究》一文中研究指出针对传统遗传算法交叉、变异过程过于繁琐和神经网络在极值判断及收敛速度受限等问题,提出了一种并行的量子遗传算法优化神经网络权值的算法.首先引入了量子计算的概念,在量子计算的过程中使用量子旋门实现染色体的训练,然后引入量子交叉克服了早熟收敛现象,避免了遗传算法中繁琐的交叉、变异过程.最后设计实现了并行的卷积神经网络,使用并行量子遗传算法优化了卷积神经网络权值,实现了并行量子遗传神经网络人脸识别系统.实验结果表明,相对于原来的遗传算法,该算法在鲁棒性和实验速度上都有明显的提高.(本文来源于《东北大学学报(自然科学版)》期刊2019年05期）
孙连[5]（2019）在《社交网络人脉搜索与推荐算法研究》一文中研究指出社交网络平台的发展方便了人们的交流,人们足不出户通过虚拟网络即可获得相应的信息。大量用户通过社交平台发布信息进行交流,构成了复杂的社交网络。随着社交网络中用户数量的增多,根据用户输入信息准确地定位到社交网络中潜在用户的难度随之增大,人脉搜索和推荐的准确率也急剧下降。为了提高人脉搜索和推荐的准确率,本文结合用户内容及网络拓扑结构等因素对人脉搜索算法和人脉推荐算法进行研究。最后实现了个性化的人脉搜索推荐系统,为用户提供搜索和推荐服务。论文研究主要分为叁部分,具体研究内容如下:(1)基于Doc2Vec和卷积神经网络的人脉搜索算法研究。针对社交网络中无法准确查找到用户的问题,本研究基于Doc2Vec模型和卷积神经网络构建用户特征信息模型,以深入挖掘用户的信息并进行向量化表示。将用户特征信息模型与Solr原有排序算法相融合,对检索结果进行二次排序,以满足目标用户对于潜在用户查找的需求。实验表明,基于Doc2Vec模型和卷积神经网络构建的人脉搜索算法较单一的Doc2Vec模型构建的搜索算法及Solr搜索算法在Mean Average Precision(MAP)上分别提高了15.3%和8.3%,在Recall上分别提高了7.9%和4.3%。(2)基于加权LeaderRank的人脉推荐算法研究。针对社交网络用户数量增多,人脉推荐准确率低的问题,本研究引入链入链出相关度、内容相关度和时间衰减度,以加权LeaderRank算法为基础提出了一种人脉推荐算法。该算法结合GloVe模型、余弦相似度计算方法和牛顿冷却定律,改善加权LeaderRank算法的不足。实验结果表明,本文所提出的算法相比User-CF算法和User-Rank算法在精确度上都有相应的提高。其中人脉推荐算法相比加权LeaderRank算法在精确率上提高了7.8%,在点击率上提高了6.73%,在NDCG上提高了4.75%,有效地改善了推荐的质量。(3)人脉搜索推荐系统实现。综合上述提到的搜索算法和推荐算法,结合当前流行的SMM(SpringBoot+MyBatis+MySQL)框架以及CSS、JS等技术,设计个性化的人脉搜索推荐系统,为用户提供一个简洁明了的可视化界面,以更好地服务用户,为用户拓宽人脉提供便利。(本文来源于《西北农林科技大学》期刊2019-05-01）
徐亚伟,杨会成[6]（2019）在《基于多层特征深度融合的卷积神经网络人脸识别方法》一文中研究指出针对传统神经网络在人脸图像的训练过程中没有将高低卷积层信息进行融合,为充分利用图像各层特征信息,提出一种基于叁层特征融合的全连接卷积神经网络模型,算法将原有网络最后叁层特征结合,并将提取的特征信息与最后一层全连接层结合,从而增加了浅层特征的表达,加强了深层特征的提取效果,促使改进后的卷积神经网络提取的信息更加完备;同时将损失函数和中心函数加权联合,以提高人脸图像的识别率和区分性.在CASIA-webface人脸数据库进行的实验结果表明,改进后的网络模型识别率达到98. 7%,优于DCNN等算法,并将训练好的网络模型应用到YALE、PERET、LFW-A等人脸库上,相比其他方法识别率都有所提升.(本文来源于《平顶山学院学报》期刊2019年02期）
张琳琳,陈志雨,张啸[7]（2019）在《双通道卷积神经网络人脸表情识别》一文中研究指出将卷积神经网络的单通道全连接层改为双通道,构建并训练了一个新的双通道卷积神经网络模型以增强模型的特征表达能力。在全连接层用Maxout激活函数代替传统的ReLU激活函数以优化网络内部结构。在网络训练过程中,采用A-Softmax损失,使卷积神经网络能够学习角度判别特征。改进后的卷积神经网络模型在FER2013数据集上准确率为73.6%。(本文来源于《长春工业大学学报》期刊2019年02期）
王小玉,韩昌林,胡鑫豪[8]（2019）在《加权特征融合的密集连接网络人脸识别算法》一文中研究指出在非约束条件下人脸识别常受到表情变化、视角偏差、不同程度的遮挡和曝光等各种综合因素的影响;并且深度卷积神经网络几乎都存在参数过多,训练时梯度扩散或消失等问题。针对上述问题,提出了FuseNet网络模型。该模型有效地利用了人的眼睛、鼻子、嘴巴等局部特征信息,同时又包含面部轮廓等全局特征信息,并提出了多损失函数进一步缩小类内特征差距和扩大类间特征距离,有效地增强了非约束条件下人脸识别的鲁棒性。通过使用加权密集连接卷积神经网络来提取人脸的全局特征,密集连接模块可有效地解决深层网络所引起的参数冗余以及梯度扩散等问题。不同的连接权值使得网络能够充分地利用各部分特征。实验结果表明,无论是在闭集的CASIA-WebFace数据集上,还是开集的FLW数据集、MegaFace数据集上,提出的FuseNet网络都具有较好的识别率和泛化能力。(本文来源于《计算机科学与探索》期刊2019年07期）
史涛,秦琴[9]（2019）在《基于SIFT稀疏深度信念网络人脸识别研究》一文中研究指出针对尺度不变特征变换(SIFT)算法在特征提取过程中运算量过大、非主要特征数据冗余、匹配率低等问题,提出一种基于SIFT稀疏深度信念网络算法模型。首先使用SIFT算法提取人脸特征,然后利用局部方差相似性优化稀疏编码,对提取的特征向量进行稀疏表示,最后采用无监督逐层训练,并用有监督的BP网络进行微调,深度信念网络进行分类,识别人脸图像,实现网络的自学习和自优化。将该算法应用到FERET人脸库上,实验结果表明,在光照、模糊、旋转、姿态等因素的影响下,有效地提高了人脸识别效果以及匹配速率。(本文来源于《国外电子测量技术》期刊2019年03期）
陆红[10]（2018）在《基于卷积神经网络人脸识别方法研究》一文中研究指出人脸识别可以靠很多技术手段来实现,而本文则主要探讨了通过深度机器学习卷积神经网络来实现人脸识别,人脸是图像识别中相对复杂的识别对象,提高识别精度相对困难,通过卷积神经网络可以有效地提高人脸识别精度,使其达到一个比较满意的程度。本文重点论述卷积神经网络进行人脸识别的过程与方法,介绍了如何通过改进卷积神经网络来提高识别精度。为从事图像识别的研究者提供了一些可借鉴的研究思路。(本文来源于《现代信息科技》期刊2018年10期）
网络人论文开题报告
（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：
网络时代，微信朋友圈成了不少人展示个人生活的社交平台。晒娃、晒饭、晒旅游，打卡、拉票、做营销，很多人认为，透过朋友圈就可以窥见一个人的生活全貌，进而对其个人形象产生相应的社会评价。也正因此，一些人剑走偏锋，在网上购买虚假照片和文案“精装”朋友圈，衣食住行
（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。
网络人论文参考文献
[1].蒋晓,高玮玮,杨亦乐,马晓峰.基于Prewitt算子的卷积神经网络人脸识别方法[J].软件.2019
[2].王棣.“网络人设”代表不了真实生活[N].张家口日报.2019
[3].张敬敏,程倩倩,李立欣,岳晓奎.高噪声环境下的生成对抗网络人机语音增强技术[J].移动通信.2019
[4].李海朋,李晶皎,金硕巍,杨丹.多宇宙并行量子遗传神经网络人脸识别算法研究[J].东北大学学报(自然科学版).2019
[5].孙连.社交网络人脉搜索与推荐算法研究[D].西北农林科技大学.2019
[6].徐亚伟,杨会成.基于多层特征深度融合的卷积神经网络人脸识别方法[J].平顶山学院学报.2019
[7].张琳琳,陈志雨,张啸.双通道卷积神经网络人脸表情识别[J].长春工业大学学报.2019
[8].王小玉,韩昌林,胡鑫豪.加权特征融合的密集连接网络人脸识别算法[J].计算机科学与探索.2019
[9].史涛,秦琴.基于SIFT稀疏深度信念网络人脸识别研究[J].国外电子测量技术.2019
[10].陆红.基于卷积神经网络人脸识别方法研究[J].现代信息科技.2018