主成分分析的GHA神经网络算法研究.docx

  • 需要金币1000 个金币
  • 资料目录论文助手 > 高校设计 > 计算机信息 >
  • 转换比率:金钱 X 10=金币数量, 例100元=1000金币
  • 论文格式:Word格式(*.doc)
  • 更新时间:2018-12-18
  • 论文字数:9946
  • 课题出处:(Yangbaobao)提供原创资料
  • 资料包括:完整论文

支付并下载

摘要:主成分分析(PCA)是一个重要的统计方法,它在数据分析、特征提取以及维数约减等领域有着广泛的应用。数学上,它等价于数据协方差矩阵的特征值分解,对于高维数据处理问题,运算复杂度高。基于神经网络的广义Hebb主成分分析算法,不需要存储数据矩阵,在线自适应计算每一个主分量。具有计算复杂度低、运算效率高的特点,受到广泛关注。

本论文详细推导了基于收缩过程GHA算法,并研究了基于Hebb算法的迭代核主成分分析。它具有线性阶内存复杂度,且可以自适应的估计核主成分。使用Matlab作为仿真工具,运用GHA算法提取多个主成分,并基于ORL人脸数据库进行特征脸的计算,并在低维空间中重构人脸图像。最后探讨了基于GHA算法的SVM的人脸识别方法。

 

关键词:主成分分析(PCA);神经网络;降维;人脸识别

 

目录

摘要

Abstract

1 绪论-1

1.1 主成分分析问题的研究意义-1

1.2 本文主要研究工作-1

2 相关知识简介-2

2.1 主成分分析(PCA)简介-2

2.1.1 相关背景-2

2.1.2 数据降维-2

2.1.3 原理演绎(公式)-5

2.2 神经网络算法-6

2.2.1 Hebb规则-6

2.2.2 Oja规则-7

2.2.3 Oja规则推广(GHA)-8

2.3 核主成分分析(KPCA)-9

3 实验与结论-10

3.1 基于GHA的主成分分析模型-10

3.2基于GHA的核主成分分析模型-12

3.3 GHA的实验分析-13

3.4 实验-16

结论-18

参考文献-20

致    谢-21


支付并下载

提示:本站支持手机(IOS,Android)下载论文,如果手机下载不知道存哪或打不开,可以用电脑下载,不会重复扣费