طرح تفكيك كننده رگرسيون خطي فازي با طبقه بندي كننده پارامتري SVM به منظور شناسايي چهره

Fuzzy Linear Regression Discriminant with SVM Parametric classifier for Face Recognition

يكي از موضوعات مهم در مسائل مربوط به شناسايي الگو و پردازش تصوير، بحث تشخيص چهره است. اين مقاله، الگوريتم طرح تفكيك كننده ي رگرسيون خطي فازي را به همراه يك طبقه بند پارامتري ماشين بردار پشتيبان(SVM) براي تشخيص چهره ارائه مي دهد. طرح تفكيك كننده ي رگرسيون خطي فازي ابتدا درجات عضويت تدريجي از هر تصوير را محاسبه مي كند تا كلاس ها را به هم مربوط كند و سپس اين اطلاعات درجه عضويت، با ساختار خطاي بازسازي بين كلاسي و خطاي بازسازي درون كلاسي فازي تركيب مي گردند. از آنجا كه در طبقه بندي كننده ي پارامتري با تابع تلفات SVM، مي خواهيم امتياز كلاس صحيح از امتياز كلاس هاي غلط حداقل به اندازه ي يك حاشيه ي مشخص بيشتر باشد؛ ويژگي هاي استخراج شده با طرح تفكيك كننده رگرسيون خطي فازي، با اين طبقه بندي كننده، SVM، به صورت مناسبي دسته بندي مي شوند. نتايج آزمايشات انجام شده با اين روش، بر روي ديتاست ORL نشان داده شده است

One of the most important issues in pattern recognition and image processing is face recognition. This paper uses an algorithm called fuzzy linear regression discriminant projection (FLRDP) with a parametric classifier of support vector machine (SVM) for face recognition. The algorithm FLRDP first computes the gradual membership degrees of each sample to corresponding classes, and then incorporates such membership degree information in to the construction of the fuzzy between-class and within-class reconstruction errors. Finally, the criterion function is derived via maximizing the ratio of the fuzzy between-class reconstruction error to the fuzzy within-class reconstruction error. After feature extraction using FLRDF, SVM is applied to classify these data by clear margins that are as wide as possible. Experimental results on the ORL face dataset are shown on this paper.