دانلود ترجمه مقاله تشخیص چهره بر اساس الگوریتم ژنتیک

1. مقدمه 2. روش 3. الگوریتم ژنتیک 4. ماشین بردار پشتیبان 5. آزمایش 6. نتایج و تحلیل 7. نتیجه گیری

توسعه فنآوری کامپیوتر باعث توسعه فنآوری تشخیص چهره شده است. امروزه، فنآوری تشخیص چهره به صورت موفقیت آمیزی در بسیاری از زمینه ها با کمک فنآوری کامپیوتر و فنآوری شبکه، بکار گرفته شده است. این مقاله، یک مدل تشخیص چهره موثر براساس تحلیل مولفه اصلی، الگوریتم ژنتیک و ماشین بردار پشتیبانی را ایجاد می کند که در آن، تحلیل مولفه اصلی برای کاهش ابعاد ویژگی استفاده می شود، الگوریتم ژنتیک برای بهینه سازی استراتژی جستجو استفاده می شود و ماشین بردار پشتیبانی برای محقق سازی دسته بندی بکار گرفته می شود. از طریق آزمایش شبیه سازی بر روی پایگاه داده چهره ها از «انستیتو فنآوری آکادمی علوم چین» در سال 2003، نتایج نشان می دهند که این مدل می تواند به تشخیص چهره با دقت بالا دست پیدا کند و بالاترین نرخ دقت، 99% است. مقدمه: با توسعه سریع فنآوری کامپیوتر و شبکه، امنیت اطلاعات از اهمیت بی سابقه ای برخوردار شده است. شناسایی هویت، یک پیش نیاز لازم برای تضمین امنیت سیستم است. شناسایی دقیق در زمینه های مالی، امنیت ملی، دادگستری، تجارت الکترونیک و غیره لازم است. مشخصات بیولوژیکی، صفات ذاتی انسان ها می باشند. منحصربفرد بودن و مشخصات آنها، که تکرار و تکثیر آنها آسان نیست، پیش نیاز لازم برای شناسایی را فراهم می کنند. بنابراین، سیستم شناسایی شخصی براساس فنآوری تشخیص بیومتریک، بیش از پیش توجهات به امنیت بهتر، قابلیت اطمینان و اعتبار را به خود جلب کرده است و تازه شروع به وارد شدن به همه زمینه های زندگی ما کرده اند. پر استفاده ترین روش های بیومتریک عبارتند از تشخیص اثرانگشت [1، 2]، تشخیص اثر کف دست [3، 4]، تشخیص ECG [5، 6]، تشخیص عنبیه [7، 8]، DNA [9، 10]، و غیره.

The development of computer technology has led to the development of face recognition technology. Nowadays, face recognition technology has been successfully applied in many fields with the help of computer technology and network technology. This paper establishes an effective face recognition model based on principal component analysis, genetic algorithm and support vector machine, in which principal component analysis is used to reduce feature dimension, genetic algorithm is used to optimize search strategy, and support vector machine is used to realize classification. Through the simulation experiment on the face database of the Institute of Technology of Chinese Academy of Sciences in 2003, the results show that the model can achieve face recognition with high efficiency, and the highest accuracy rate is 99%. Introduction: With the rapid development of computer and network technology, information security shows unprecedented importance. Identity identification is a necessary prerequisite to ensure the security of the system. Accurate identification is needed in the fields of finance, national security, justice, e-commerce and so on. Biological characteristics are the intrinsic attributes of human beings. Their uniqueness and good characteristics, which are not easy to be duplicated, provide the necessary prerequisite for identification. Therefore, the personal identification system based on biometric recognition technology is getting more and more attention for its better security, reliability and validity, and has begun to enter into all areas of our lives. The commonly used biometric methods are fingerprint recognition [1], [2], palmprint recognition [3], [4], ECG recognition [5], [6], iris recognition [7], [8], DNA [9], [10] recognition, etc.