Identificação de faces humanas através de PCA-LDA e redes neurais SOM

Abstract

The use of biometric technique for automatic personal identification is one of the biggest challenges in the security field. The process is complex because it is influenced by many factors related to the form, position, illumination, rotation, translation, disguise and occlusion of face characteristics. Now a days, there are many face recognition techniques. This work presents a methodology for searching a face in the ORL database with some different training sets . The algorithm for face recognition was based on sub-space LDA (PCA + LDA) technique using a SOM neural net to represent each class (face) in the stage of classification/identification.By applying the sub-space LDA method, we extract the most important characteristics in the identification of previously known faces that belong to the database, creating a reduced and more discriminated dimensional space than the original space. The SOM nets are responsible for the memorization of each class characteristic. The algorithm offers great performance (recognition rates between 97% and 98%) considering the adversities and sources of errors inherent to the traditional methods of face recognition.

Classificação de Sinais Vozes Patológicas por meio do Parâmetro de Hurst e LDA

“…Após a extração do parâmetro de Hurst é realizada a análise estatística, considerando um nível de significância de 5% (P < 0,05) por meio do SPSS (Statistical Package for the Social Science) [9]. A última etapa é a classificação dos sinais através de vozes entre saudáveis e patológicos, que é efetuada por meio da técnica LDA [10].…”

Reconhecimento de Congestionamento de Veículos em Semáforos Empregando Análise de Componentes Principais

“…A análise de componentes principais (Principal Component Analysis, PCA) é uma técnica estatística que aplica uma rotação ortogonal no conjunto de dados cujas variáveis são correlacionadas e converte o conjunto de dados em conjunto de dados com variáveis não correlacionadas [12,13,16]. A PCA é uma ferramenta usada para reduzir a dimensão do conjunto de dados e usada como uma fase de extração das características para modelagem, classifi cação em várias aplicações de reconhecimento de padrões e processamento de sinais [17,18].…”