این مقاله انگلیسی ISI در نشریه ساینس دایرکت (الزویر) در 21 صفحه در سال 2018 منتشر شده و ترجمه آن 22 صفحه میباشد. کیفیت ترجمه این مقاله ویژه – طلایی ⭐️⭐️⭐️ بوده و به صورت کامل ترجمه شده است.
| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
آنالیز مولفه های اصلی و طبقه بندی رگرسیون خطی بهبود یافته برای تشخیص چهره |
| عنوان انگلیسی مقاله: |
Improved Principal Component Analysis and Linear regression classification for face recognition |
|
|
| مشخصات مقاله انگلیسی (PDF) | |
| سال انتشار | 2018 |
| تعداد صفحات مقاله انگلیسی | 21 صفحه با فرمت pdf |
| نوع مقاله | ISI |
| نوع نگارش | مقاله پژوهشی (Research Article) |
| نوع ارائه مقاله | ژورنال |
| رشته های مرتبط با این مقاله | مهندسی کامپیوتر |
| گرایش های مرتبط با این مقاله | هوش مصنوعی |
| چاپ شده در مجله (ژورنال) | پردازش سیگنال – Signal Processing |
| ارائه شده از دانشگاه | دانشگاه فناوری ژجیانگ، هانگزو، چین |
| کلمات کلیدی | تشخیص چهره ،IPCA ،LRC ،طبقه بندی |
| کلمات کلیدی انگلیسی | Face Recognition, IPCA, LRC, Classification |
| نویسندگان | Yani Zhu, Chaoyang Zhu, Xiaoxin Li |
| نمایه (index) | Scopus – Master journal List – JCR |
| شناسه شاپا یا ISSN | 0165-1684 ISSN |
| شناسه دیجیتال – doi | https://doi.org/10.1016/j.sigpro.2017.11.018 |
| ایمپکت فاکتور(IF) مجله | 4.962 در سال 2018 |
| شاخص H_index مجله | 115 در سال 2019 |
| شاخص SJR مجله | 0.905 در سال 2018 |
| شاخص Q یا Quartile (چارک) | Q1 در سال 2018 |
| بیس | است ✓ |
| مدل مفهومی | دارد ✓ |
| پرسشنامه | ندارد ☓ |
| متغیر | دارد ✓ |
| رفرنس | دارد ✓ |
| کد محصول | 282 |
| لینک مقاله در سایت مرجع | لینک این مقاله در نشریه Elsevier |
| نشریه الزویر |  |
| مشخصات و وضعیت ترجمه فارسی این مقاله (Word) | |
| وضعیت ترجمه | انجام شده و آماده دانلود در فایل ورد و PDF |
| کیفیت ترجمه | ویژه – طلایی ⭐️⭐️⭐️ |
| تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت 14 B Nazanin | 22 صفحه |
| ترجمه عناوین تصاویر و جداول | ترجمه شده است ✓ |
| ترجمه متون داخل تصاویر | ترجمه شده است ✓ |
| ترجمه متون داخل جداول | ترجمه شده است ✓ |
| درج تصاویر در فایل ترجمه | درج شده است ✓ |
| درج جداول در فایل ترجمه | درج شده است ✓ |
| درج فرمولها و محاسبات در فایل ترجمه به صورت عکس | درج شده است ✓ |
| منابع داخل متن | به صورت عدد درج شده است ✓ |
- فهرست مطالب:
چکیده
1 . مقدمه
2 . تجزیه و تحلیل مولفه اصلی بهبود یافته
3 . روش های طبقه بندی شده برای تشخیص چهره
3.1 . پشتیبانی از ماشین های بردار
3.2 . طبقه بندی رگرسیون خطی
4.1 . پایگاه داده Yale B
4.1.1 . ارزیابی 1
4.1.2 . پروتکل ارزیابی 2
4.2 . پایگاه داده CMU_PIE
4.3 . پایگاه داده JAFFE
4.4 . ارزیابی کارایی الگوریتم
5 . نتیجه
- بخشی از ترجمه:
5 . نتیجه گیری
در این مقاله، یک الگوریتم تشخیص چهره ی قدرتمند مبتنی بر روش تخمین قدرتمند ارائه شد. مقایسه ی جامع به همراه رویکرد قدرتمند مدرن نشان دهنده ی یک شاخص عملکرد قابل مقایسه برای رویکرد پیشنهاد شده است. به خصوص این که چالش های تشخیص حالت های مختلف صورت نشان داده شده است. بر روی پایگاه داده ی Yale B و پایگاه داده ی CMU_PIE ، الگوریتم ها به تاثیر تشخیصی بسیار خوبی دست پیدا کرده اند. علاوه براین، گزارش ما بر روی پایگاه داده ی چهره ی JAFFE همچنین عملکرد تشخیصی خوبی را نشان داد. الگوریتم پیشنهاد شده ی IPCA همچنین تعدادی از خروجی های جالب را آشکار می سازد. جدا از رویکرد LRC برای تشخیص چهره در حضور نویز، رویکرد LRC نرخ دقت تشخیص بالایی را بدون پیش پردازش عکس به بار می آورد. روش LRC به صورت گسترده ای روش معیار را به وسیله ی الگو های چهره ی مختلف اجرا کرده و نرخ تشخیص به مقدار تعجب برانگیز 98.5% دست یافت. روش طبقه بندی کننده ی LRC همچنین در شناسایی حالت های مختلف صورت بسیار موثر است. در این تحقیق IPCA، به منظور استخراج حالت های صورت، SVM و LRC به منظور تحقق بخشیدن به طبقه بندی الگو مورد استفاده قرار گرفتند. نتایج آزمایش بر روی پایگاه های داده ی Yale ، CMU_PIE ، JAFFE نشان می دهد که الگوریتم های تشخیص IPCA و LRC ، قابل اعتماد و موثر هستند.
- بخشی از مقاله انگلیسی:
5. Conclusion
In this paper, a new robust face recognition algorithm based on robust estimation method is proposed. The comprehensive comparison with the state-of-art robust approaches indicates a comparable performance index for the proposed approach. Specifically, the challenges of varying facial expressions recognition are addressed. On the Yale B database and CMU_PIE database, the algorithms have achieved very good recognition effect. In addition, our report on the JAFFE face database also showed a good recognition performance. The proposed IPCA algorithm also reveals a number of interesting outcomes. Apart from the LRC approach for face recognition in the presence of noise, the LRC approach yields high recognition accuracy rate without image preprocessing. The LRC method comprehensively outperformed the benchmark method by different face patterns and the recognition rate reached a surprising 98.5%. Classifier LRC method is also very effective in the identification of face expressions. In this research, IPCA is used to extract facial expressions, SVM and LRC is used to realize pattern classification. The experimental results on Yale, CMU_PIE and JAFFE databases show that IPCA and LRC recognition algorithms are reliable and effective.
|
تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد |
|
|
| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
آنالیز مولفه های اصلی و طبقه بندی رگرسیون خطی بهبود یافته برای تشخیص چهره |
| عنوان انگلیسی مقاله: |
Improved Principal Component Analysis and Linear regression classification for face recognition |
|
|
خرید ترجمه فارسی مقاله با فرمت ورد