基于某神经网络地人脸识别附代码.doc
《基于某神经网络地人脸识别附代码.doc》由会员分享,可在线阅读,更多相关《基于某神经网络地人脸识别附代码.doc(12页珍藏版)》请在课桌文档上搜索。
1、【代码与说明见第四页】基于三层BP神经网络的人脸识别一、 实验要求采用三层前馈BP神经网络实现标准人脸YALE数据库的识别。二、BP神经网络的结构和学习算法实验中建议采用如下最简单的三层BP神经网络,输入层为,有n个神经元节点,输出层具有m个神经元,网络输出为,隐含层具有k个神经元,采用BP学习算法训练神经网络。BP神经网络的结构BP网络在本质上是一种输入到输出的映射,它能够学习大量的输入与输出之间的映射关系,而不需要任何输入和输出之间的准确的数学表达式,只要用的模式对BP网络加以训练,网络就具有输入输出对之间的映射能力。BP网络执行的是有教师训练,其样本集是由形如输入向量,期望输出向量的向量
2、对构成的。在开始训练前,所有的权值和阈值都应该用一些不同的小随机数进展初始化。BP算法主要包括两个阶段:(1) 向前传播阶段从样本集中取一个样本(Xp,Yp),将Xp输入网络,其中Xp为输入向量,Yp为期望输出向量。计算相应的实际输出Op。在此阶段,信息从输入层经过逐级的变换,传送到输出层。这个过程也是网络在完成训练后正常运行时执行的过程。在此过程中,网络执行的是如下运算:(2) 向后传播阶段计算实际输出Op与相应的理想输出Yp的差;按极小化误差的方法调整权矩阵。这两个阶段的工作一般应受到精度要求的控制,定义 (1)作为网络关于第p个样本的误差测度误差函数。而将网络关于整个样本集的误差测度定义
3、为 (2)如前所述,将此阶段称为向后传播阶段,也称之为误差传播阶段。为了更清楚地说明本文所使用的BP网络的训练过程,首先假设输入层、中间层和输出层的单元数分别是N、L和M。X=(x0,x1,xN-1)是加到网络的输入矢量,H=(h0,h1,hL-1)是中间层输出矢量,Y=(y0,y1,yM-1)是网络的实际输出矢量,并且用D=(d0,d1,dM-1)来表示训练组中各模式的目标输出矢量。输出单元i到隐单元j的权值是Vij,而隐单元j到输出单元k的权值是Wjk。另外用k和j来分别表示输出单元和隐单元的阈值。于是,中间层各单元的输出为: (3)而输出层各单元的输出是: (4)其中f(*)是激励函数,
4、采用S型函数: (5)在上述条件下,网络的训练过程如下:(1) 选定训练集。由相应的训练策略选择样本图像作为训练集。(2) 初始化各权值Vij,Wjk和阈值j,k,将其设置为接近于0的随机值,并初始化精度控制参数和学习率。(3) 从训练集中取一个输入向量X加到网络,并给定它的目标输出向量D。(4) 利用式(7)计算出一个中间层输出H,再用式(8)计算出网络的实际输出Y。(5) 将输出矢量中的元素yk与目标矢量中的元素dk进展比拟,计算出M个输出误差项:对中间层的隐单元也计算出L个误差项:(6) 依次计算出各权值和阈值的调整量: (6) (7) (8) (9)(7) 调整权值和阈值:,(8) 当
5、k每经历1至M后,判断指标是否满足精度要求:E,其中E是总误差函数,且。如果不满足,就返回(3),继续迭代。如果满足,就进入下一步。(9) 训练完毕,将权值和阈值保存在文件中。这时可以认为各个权值已经达到稳定,分类器形成。再一次进展训练时,直接从文件导出权值和阈值进展训练,不需要进展初始化。BP算法流程图YALE数据库是由耶鲁大学计算视觉与扼制中心创立,包括15位志愿者,每个人有11X不同姿势、光照和表情的图片,共计165X图片,图片均为80*100像素的BMP格式图像。我们将整个数据库分为两个局部,每个人的前5幅图片作为网络的训练使用,后6副图片作为测试使用。说明:程序的输入数据可以从这里下
6、载:: s:/pan.baidu /s/1aAHGyg0sFH1PYdY4XekyTQ 密码: vsfb如果不能下载了, 可以自己找找YALE人脸数据库。代码分为read和main_can_ues.m先运行read_can_use.m 读取图片的像素值,使用奇异值分解的方法得到对应的特征。程序预设了只读取前5个人的人脸图片,可以自己改成最多15个人。然后运行main_can_use.m ,程序会输出1 1 2 3 2 3,每个数字代表一X图片最有可能的识别类别就是人的编号。对每个人的11X图片,取前7X训练网络,后4X测试网络,取前5个人进展实验。所以共有35个训练样本,20个测试样本。比如输
7、出的结果是 1 1 1 1 2 2 1 2 3 3 3 3 .,因为每4个数字是属于同一个人的,前四个都是1如此都预测正确,第二组的4个数字2 2 1 2 中的那个1就是预测错误本来是2预测成了1。由于参数的随机初始化,不保证每次的结果都一样。function main()%clcclear all;%close all;load(date1_5.mat,feature);warning off allSamNum=35; %输入样本数量TestSamNum=35; %测试样本数量ForcastSamNum=20; %预测样本数量HiddenUnitNum=8; %中间层隐节点数量取8InDi
![基于某神经网络地人脸识别附代码.doc_第1页](https://www.desk33.com/fileroot1/2022-6/30/3875d17f-ed00-4ecb-922d-b272fb975373/3875d17f-ed00-4ecb-922d-b272fb9753731.gif)
![基于某神经网络地人脸识别附代码.doc_第2页](https://www.desk33.com/fileroot1/2022-6/30/3875d17f-ed00-4ecb-922d-b272fb975373/3875d17f-ed00-4ecb-922d-b272fb9753732.gif)
![基于某神经网络地人脸识别附代码.doc_第3页](https://www.desk33.com/fileroot1/2022-6/30/3875d17f-ed00-4ecb-922d-b272fb975373/3875d17f-ed00-4ecb-922d-b272fb9753733.gif)
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 神经网络 识别 代码
![提示](https://www.desk33.com/images/bang_tan.gif)
链接地址:https://www.desk33.com/p-16150.html