بازشناسي چهره با استفاده از بيشينه سازي حاشيه تصوير حفظ محليت

در بازشناسی چهره، داد هها در فضاي با بعد بالا قرار دارند كه افزونگی به همراه دارند و از نظر محاسباتی گران م یباشند. براي حل این مشكلات، روش هاي كاهش بعد در بازشناسی چهره به كار برده م یشوند. روش هاي كاهش بعد مبتنی بر یادگیري منیفلد از جمله روش هاي كاهش بعد هستند كه در سال هاي اخیراً ارائه شد هاند. در این مقاله روش كاهش بعد مبتنی بر یادگیري منیفلد جدیدي به در (NSR) ارائه م یشود. در روش پیشنهادي از معیار نمایش تنك نامنفی 2 (MMLPP) نام بیشین هسازي حاشیه تصویر حفظ محلیت 1 نزدیكترین همسایه براي یافتن همسایه هاي هر داده استفاده م یشود و تابع هدف روش پیشنهادي، از تركیب معیار فیشر و k روش و LPP ساخته می شود كه هدف آن حفظ روابط محلی بین داد ه ها توسط روش (LPP) تابع هدف روش تصویر حفظ محلیت 3 بیشین هسازي حاشیه بین كلاس ها با استفاده از معیار فیشر م یباشد و سپس روش متعامدسازي گرام-اشمیت، براي به دست آوردن نشان AR و ORL پایه هاي عمود در روش پیشنهادي به كار برده می شود. مقایسه نتایج آزمایش ها بر روي پایگاه داده هاي چهره م یدهد كه روش پیشنهادي در مقایسه با سایر رو شها م یتواند به دقت بازشناسی بالاتري دست یابد.