آشكارسازي چهره، پيش­پردازش، استخراج ويژگي، داده­كاوي، هوش مصنوعي، دسته ­بندي.

Face detection, Preprocess, feature extraction, data mining, artificial intelligence, classification.

داده¬كاوي از جمله علومي است كه در چند دهه اخير، بمنظور اكتشاف عمقي داده¬ها بكار مي¬رود و اطلاعات پنهاني كه براي برنامه¬ريزي¬هاي استراتژيك مي¬تواند حياتي باشد را آشكار مي¬نمايد. داده¬كاوي شامل تكنيك¬هاي گوناگوني است كه بمنظور بهينه¬سازي بسياري از مسائل استفاده مي¬شود. از جمله مهمترين اين تكنيك¬ها مي¬توان به ماشين بردار پشتيبان (SVM)، و نزديكترين همسايگي (KNN) اشاره كرد كه بمنظور بهينه¬سازي مسائل مختلف استفاده مي¬شود. از آنجاييكه يكي از اهداف الگوريتم¬هاي داده¬كاوي، آشكارسازي و تشخيص يك رويداد مي¬باشد، لذا براي دستيابي به اين هدف، بايستي ابتدا ماشين با نمونه¬هايي آموزش داده شود و پس از رسيدن به آموزش كافي، با نمونه¬هاي ديگري مورد آزمايش قرار گيرد. مرحله آموزش يك ماشين بدين صورت انجام مي¬پذيرد كه ابتدا با استخراج يك سري ويژگي از هر الگو، به آموزش ماشين پرداخته، و مدلسازي مي¬نماييم. هدف اين تحقيق، آشكارسازي چهره با استفاده از الگوريتم¬هاي داده¬كاوي ماشين بردار پشتيبان (SVM)، و نزديكترين همسايگي (KNN) بوده است. پايگاه داده¬ مورد بررسي در اين تحقيق، پايگاه داده Sung و Poggio بوده است. بهترين نرخ بدست آمده با استفاده از چارچوب پيشنهادي ما، 94% گزارش شده است.

Data mining is a science that has been used in the last few decades to deepen the discovery of data and reveal the hidden information that can be critical to strategic planning. Data mining involves a variety of techniques that are used to optimize many issues. One of the most important of these techniques is the SVM, and the nearest neighbor (KNN), which is used to optimize various issues. Since one of the goals of data mining, detection and detection algorithms is an event, therefore, in order to achieve this goal, the machine must first be taught with examples and, after sufficient training, be tested with other examples. . The training of a machine is done in such a way that by first extracting a series of features from each pattern, we train and model the machine. The purpose of this research was to detect faces using backup vector machine data mining (SVM) algorithms and the nearest neighbor (KNN). The database under study in this study was the Sung and Poggio databases. The best rate achieved using our proposed framework is 94%.