دانلود ترجمه مقاله طبقه بندی رگرسیون خطی بهبود یافته برای تشخیص چهره – الزویر ۲۰۱۸

elsevier

 

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

  • برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
  • برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

 

مشخصات مقاله انگلیسی (PDF)
سال انتشار  ۲۰۱۸
تعداد صفحات مقاله انگلیسی  ۲۱صفحه 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 ۰۱۶۵-۱۶۸۴ ISSN
شناسه دیجیتال – doi https://doi.org/10.1016/j.sigpro.2017.11.018
ایمپکت فاکتور(IF) مجله ۴٫۹۶۲ در سال ۲۰۱۸
شاخص H_index مجله ۱۱۵ در سال ۲۰۱۹
شاخص SJR مجله  ۰٫۹۰۵ در سال ۲۰۱۸
شاخص Q یا Quartile (چارک) Q1 در سال ۲۰۱۸
بیس است 
مدل مفهومی دارد  
پرسشنامه ندارد 
متغیر دارد  
رفرنس دارد  
کد محصول ۲۸۲
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 طلایی⭐️
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت ۱۴ B Nazanin ۲۲صفحه
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

۱ . مقدمه

۲ . تجزیه و تحلیل مولفه اصلی بهبود یافته

۳ . روش های طبقه بندی شده برای تشخیص چهره

۳٫۱ . پشتیبانی از ماشین های بردار

۳٫۲ . طبقه بندی رگرسیون خطی

۴٫۱ . پایگاه داده Yale B

۴٫۱٫۱ . ارزیابی ۱

۴٫۱٫۲ . پروتکل ارزیابی ۲

۴٫۲ . پایگاه داده CMU_PIE

۴٫۳ . پایگاه داده JAFFE

۴٫۴ . ارزیابی کارایی الگوریتم

۵ . نتیجه


  • بخشی از ترجمه:

 

۵ . 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 ۹۸٫۵% 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:

۵٫ 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

  • برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
  • برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

 

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله با فرمت ورد

 

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *