【摘 要】
:
人脸识别作为一种典型的生物特征鉴别方式,已经成为模式识别领域中一个重要的研究方向,具有广阔的应用前景。近年来移动互联网的迅速发展对人脸识别的应用也随之产生了新的需求
论文部分内容阅读
人脸识别作为一种典型的生物特征鉴别方式,已经成为模式识别领域中一个重要的研究方向,具有广阔的应用前景。近年来移动互联网的迅速发展对人脸识别的应用也随之产生了新的需求,可是传统的人脸识别方法由于运算量较大,在移动环境下对内存容量、电池续航能力等硬件的要求较高,难以应对移动互联网环境下的大数据量处理。基于统计特征的人脸识别方法是最常用的方法。为了研究基于统计学习理论的分类器在人脸识别中的识别率,本文分别对基于支持向量机的人脸识别方法与基于神经网络的人脸识别方法进行了研究,Bagging算法指出训练多个支持向量机再生成单一支持向量机进行人脸识别的方式能够获得更好的识别率。MapReduce模型是由Google最早发布的一种支持大规模数据并行处理的编程模型,具有实现简单、扩展性好的特点,且利用MapReduce模型能够很好地实现Bagging算法思想。本文据此提出了利用MapReduce模型在Hadoop平台训练支持向量机进行人脸识别的方法,对人脸识别这种多分类问题提出了针对多类支持向量机的“一对多”法与“一对一”法的训练策略,即在Map阶段对分片的输入样本生成多个支持向量机,再将满足条件的支持向量交给Reducer处理,得到最终用于识别的支持向量机。本文对样本量大小不同的三组数据进行的实验均显示出“一对一”法和“一对多”法的训练速度在MapReduce模型下都获得了提升。样本数量越大,两种方法在识别率与训练速度上的表现都更加优越,其中“一对一”法比“一对多”法在MapReduce模型下的识别率相对更加稳定。本文的创新点在于引入了MapReduce模型训练支持向量机来进行人脸识别,提出了MapReduce模型下多类支持向量机的训练策略。实验结果表明,基于MapReduce模型训练支持向量机进行人脸识别,减轻了对机器硬件的负担,在保证识别率的前提下提高了运算效率。该方法对于移动环境下的人脸识别具有实用意义。
其他文献
风力发电是我国能源结构改革的重点项目,新能源产业重要的组成部分之一,受到国家经济战略层面的高度重视,在风电产业的发展过程中,由于风力发电项目采取大面积、大批量进批复、核准、投产,实施过程中带来了一系列问题:一是不同地区的风电场对机组规格、机组机型有特定的要求;二是行业标准没有得到细化和完善,风机监控系统通讯协议大都是由风机生产厂家自行规定;造成风力发电分系统各自独立,管理上不能有效整合为大系统统一
智能电网中部署了各种监控系统和高级监测体系,设备中获取与传输的各类数据发生着指数级的增长,整个电网随时都在产生海量的重要数据被收集到远程终端并对它们进行统一管理,大量数据频繁采集、传输带来网络堵塞的同时更对电网通信的实时性、准确性及安全性提出了新要求。云存储系统可以提供海量的存储能力来解决智能电网中的大数据存储问题。随着云计算技术的发展,云安全变得越来越关键。在云计算环境中,用户对放置在云服务器中
爬壁机器人作为一种极限机器人,已经成为当前机器人领域中研究的一个热点,它能代替人工在极限条件下完成多种作业任务,降低了人工作业的难度与风险系数,无论是在军用领域还是
无线传感器网络不同于传统的网络,无线传感器网络通常被部署到恶劣或是特殊的环境中,一般无法实现对其节点进行充电或更换电池,所以如何通过优化节点分布来实现无线传感器网
准确而自动的表达出体数据模型中包含的结构信息是可视化领域尚未完全解决的难题。传统的基于物理光学模型的可视化方法主要试图实现真实感的图像绘制效果,很难突出体数据中感
随着网络信息产业的发展,服务器的工作效率和可靠性的要求越来越高,集群技术和云计算技术随之诞生并开始蓬勃发展,虚拟化技术作为实现云计算的关键技术也越来越被关注。在虚拟化
随着互联网技术的飞速发展以及云存储技术的不断完善,大规模数据的处理机制也发生了巨大的变化。面对在互联网应用中每天产生的大规模数据,本中心提出了面向双边资源整合服务模
在对计算机模拟MBR研究中,发现由于膜在空间上仅占据整个系统的很小一部分,造成了模拟中对膜过程实际现象进行充分、深入表达的需求与计算量限制之间的矛盾,从而导致“仿而不真
随着电生理仿真规模的大幅增加并随之而来的数据量的剧增,人们越来越需要一个能够实时可视化并且能够在计算过程中进行干预控制的电生理仿真系统。如何完成这样一个电生理仿真
风能,作为可再生能源,无穷无尽,清洁环保,已成为许多国家可持续发展战略的一个重要组成部分,因此,风力发电得到了迅速的发展。风电机组工作环境恶劣,长期受到正常和极端温度、降雨、积雪、沙尘、太阳辐射等环境因素的影响,各部件也必将不可避免随着运行时间的变化而老化,可靠性下降,导致故障发生,影响风电场的安全稳定。风力发电机作为风电机组故障率较高的部件,对其进行实时状态监测,及时发现故障征兆,确定合理的维护