文档介绍：⑧丛坠髦炼晾軾皇曰首垒里盟皇主旦萃褐罳::●
摘要等算法来做特征提取,然而他们有一个共同的特点——单层结构。这些算的研究课题之一。生物特征身份识别包括三个主要技术环节,即生物信息采集与预处理、生物特征提取和分类识别。等,这使得特征提取成为身份识别中最为关键的一环。过去人们往往采用法无法获取某些对于分类非常关键的隐性特征,而通常对于多层的结构比如多层神经网络,又因为训练方法的低效和计算能力不足而被束之高阁。受限玻尔兹曼机且恢治尴蛲寄P停疚慕胍恢中碌难胺椒ㄓ来无监督的分层预训练盗泛玫腞组建成一个多层的神经网络。然当今多生物特征融合技术越来越受到研究者的重视,较之单模生物特征识别生物特征身份识别一直是人工智能,图象处理和模式识别等领域最具挑战性身份识别的难点主要在于生物特征本身:高维,多变形,有冗余,多噪声等后再用有监督的学习方式比如误差反传来微调中间隐层的权值。这种无监督预训练结合有监督训练的方式在人脸识别数据库中获得了很好的效果。多生物特征识别在识别率,抗噪性等方面获得更好的结果,所以最后我们引入了人脸与语音融合的融合识别模型,其更好的识别效果在我们的实验中得到了验证。关键词:身份识别,神经网络,多层,嗌锾卣魅诤浙江大学硕士学位论文
,,甋.,甀琻琭.,琄瓵甋.
.匏惴ḿ蚪椤目录,摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.第滦髀邸璴课题背景⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯人脸识别与声纹识别的研究历史和现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.本文的组织结构与内容⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第律矸菔侗鹣喙厮惴ā特征提取方法介绍⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.镆籼卣鞯奶崛∷惴ā,.嗬攵攘糠绞健本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.,⋯⋯⋯⋯⋯⋯⋯⋯..⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯
.竽匝芯可匣竦玫钠舴ⅰ.嗖憬峁估砺凵系囊恍┯诺恪第绿卣魈崛∮肴肆呈侗鹗笛榧胺治觥特征提取实验⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.肞和特征提取⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.肆程卣魈崛∈笛樽芙帷第滦畔⑷;甃俊惴ń樯堋惴ú街琛多层结构的意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..投嗖阕员嗦牖蚪椤砑霸ぱ盗贩椒–⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。实验环境环境与实验数据介绍⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯问难≡⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯多生物信息融合技术简介⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..浙江大学硕:卜学位论文目录.‘.
本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..第伦芙嵊胝雇参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..畔⑷诤霞际醪慵丁信息融合策略选择与模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯特征比例可调的信息融合设计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..信息融合实验与分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...⑷诤鲜笛樯杓啤本文总结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯研究展望⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯堵肌致洹浙江大学硕:貉宦畚目录
图目录胠崛〉玫维特征的结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..图特征融合模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图身份识别一般步骤⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..图单个神经元示意图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.图多层感知机⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.图算法流程图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图三种常见模型都是浅层结构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.图一个ü鼼采样学习⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.算法原理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯箍:蟮慕峁雇肌肞提取得到卣鞯慕峁肧提取得到卣鞯慕峁糠痔卣髁场指吹牟糠秩肆场图信息融合层