【碩士論文】lte-tdd系統(tǒng)enodeb端空閑狀態(tài)(參考版)
2025-04-26 05:11本頁面
【正文】 。 ? 感謝光纖通信重點實驗室的全體老師、同學給予我?guī)椭?。但我們? 要看到，融合算法的運算時間主要集中在訓練階段，因此算法 增加的運算時間是可以接受的。 這說明通過預處理補償圖像的光照變化是可行的。 啟迪管理課程 重慶郵電大學碩士論文答辯 42 主要工作二：加權平均臉算法的識別時間 圖 15 使用 ORL人臉庫實驗所用時間 圖 16 使用 YALE人臉庫實驗所用時間 0 5 10 15 20 25 30 35 40 450 .00 .51 .01 .52 .02 .53 .03 .54 .04 .55 .05 .56 .06 .5識別時間(秒)人臉類別數(shù) 經(jīng)典的最近鄰分類器 加權平均臉算法2 4 6 8 10 12 14 160 .10 .20 .30 .40 .50 .60 .70 .80 .91 .01 .11 .21 .31 .41 .51 .61 .71 .81 .9識別時間(秒)人臉類別數(shù) 經(jīng)典的最近鄰分類器 加權平均臉算法啟迪管理課程 重慶郵電大學碩士論文答辯 43 內(nèi)容安排 一、研究背景 二、論文主要工作 2DPCA算法 三、總結及未來工作 四、致謝 啟迪管理課程 重慶郵電大學碩士論文答辯 44 主要工作三：融合算法的理論分析 ? 融合算法的思路 ■ 在特征提取環(huán)節(jié)和分類識別環(huán)節(jié)同時改進算 法 ■ 通過圖像預處理補償光照變化對人臉識別的 影響 啟迪管理課程 重慶郵電大學碩士論文答辯 45 主要工作三：算法步驟 ? 通過直方圖均衡化和小波變化，對原始圖像進行預處理 ? 用結合線性判別法則的 2DPCA算法進行特征提取 ? 用加權平均臉算法分類識別 啟迪管理課程 重慶郵電大學碩士論文答辯 46 主要工作三：融合算法的步驟 經(jīng) 典 的 2 D P C A 算 法 改 進結 合 線 性 判 別 法 則的 2 D P C A 算 法最 近 鄰 分 類 器 改 進 加 權 平 均 臉融 合 融 合 算 法圖 像 預 處 理圖 17 融合算法的算法步驟 啟迪管理課程 重慶郵電大學碩士論文答辯 47 主要工作三：融合算法的識別率 圖 18 使用 ORL人臉庫的識別率 圖 19 使用 YALE人臉庫的識別率 0 5 10 15 20 25 30 35 40 450 .8 60 .8 80 .9 00 .9 20 .9 40 .9 60 .9 81 .0 0識別率人臉類別數(shù) 2DPCA+ 最近鄰分類器 融合算法2 4 6 8 10 12 14 160 .7 80 .8 00 .8 20 .8 40 .8 60 .8 80 .9 00 .9 20 .9 40 .9 60 .9 8識別率人臉類別數(shù) 2D PC A+ 最近鄰分類器 融合算法結論一： 融合算法有效的提高了識別率，在使用 ORL人臉庫的 實驗中，融合算法的平均識別率分別為 %。 121 2 1 21 1 1 1 1 1( . . . ) / ( . . . )nnny x x xd d d d d d? ? ? ? ? ? ? ? ? ?ix id啟迪管理課程 重慶郵電大學碩士論文答辯 38 主要工作二：加權平均臉算法示意圖 圖 10 加權平均臉算法示意圖 A 訓練樣本 B 測試樣本 C 與測試樣本距離較近的訓練樣本 啟迪管理課程 重慶郵電大學碩士論文答辯 39 主要工作二：加權平均臉算法示意圖 圖 11 加權平均臉算法示意圖 A 訓練樣本 B 訓練樣本 C 訓練樣本 D 訓練樣本 E 加權平均臉 啟迪管理課程 重慶郵電大學碩士論文答辯 40 主要工作二：加權平均臉算法的人臉識別過程 投 影 空 間訓 特 征 信 息增 加 了 半偶 圖 像 的訓 練 樣 本利 用 經(jīng) 典 的 2 D P C A 算 法 ， 生 成 投 影 空 間投 影特 征 信 息輸 出輸 出 結 果基 于 加 權平 均 臉 的分 類 器 算法輸 出投 影測試樣本訓 練 樣 本生 成 半 偶 圖 像圖 12 加權平均臉的人臉識別過程 啟迪管理課程 重慶郵電大學碩士論文答辯 41 主要工作二：加權平均臉算法的識別率 0 5 10 15 20 25 30 35 40 450 .8 60 .8 80 .9 00 .9 20 .9 40 .9 60 .9 81 .0 0識別率人臉類別數(shù) 經(jīng)典的最近鄰分類器 加權平均臉算法，參數(shù) 1 加權平均臉算法，參數(shù) 2 加權平均臉算法，參數(shù) 32 4 6 8 10 12 14 160 .7 80 .8 00 .8 20 .8 40 .8 60 .8 80 .9 00 .9 2識別率人臉類別數(shù) 經(jīng)典的最近鄰分類器 加權平均臉算法，參數(shù) 1 加權平均臉算法，參數(shù) 2 加權平均臉算法，參數(shù) 3圖 13 使用 ORL人臉庫的識別率 圖 14 使用 YALE人臉庫的識別率 結論一： 加權平均臉算法提高了算法的識別率，在使用 ORL人臉庫 和 YALE人臉庫的實驗中，平均識別率分別為 %和 %。 ? 用每個類中選出的人臉樣本計算 加權平均臉 其中， 為樣本序號； 為訓練樣本到測試樣本的距離。 ■ 通過計算加權平均臉擴展人臉樣本姿態(tài)和表情的變化，并且減少識別的偶然性。 ■ 識別中的偶然性較大。 啟迪管理課程 重慶郵電大學碩士論文答辯 33 主要工作一：改進 2DPCA算法的識別時間 圖 7 使用 ORL人臉庫的識別時間 圖 8 使用 YALE人臉庫的識別時間 0 5 10 15 20 25 30 35 40 450 .00 .51 .01 .52 .02 .53 .03 .54 .04 .5識別時間(秒)人臉類別數(shù) 經(jīng)典的 2DPCA 算法 結合線性判別法則的 2DPCA 算法2 4 6 8 10 12 14 160 .10 .20 .30 .40 .50 .60 .70 .80 .91 .01 .11 .21 .31 .41 .51 .6
教學課件相關推薦
鄂ICP備17016276號-1