ations,vol.17,pp.59-64,2008.Q.YangaandX.Q.Ding,"ponentAnalysisandItsApplicationinFaceRecognition/puters,vol.26,pp」146-1151,2003・J.YangandD・Zhang,'Two-DimensionalPCA:ANewApproachtoAppearance-BasedFaceRepresentationandRecognition/1IEEETrans・PatternAnalysisandMachineIntelligence,vol.2&pp.131-137,2004.[101K.R.TanandS・C.Chen,MAdaptivelyweightedsubpatternPCAforfacerecognition/puting,vol.64,pp.505-511,2005.外文资料译文一种基于PCA和子模式改进的混合人脸识别技术A.RKulkarni,D.SBormane摘要:本文基于PCA人脸识别新技术实现的。子模式主成分分析(SpPCA)实际上是一种改进的PCA.它的发现给出了更好的结果,因此本文结合不同的方法与PCA进行发现的方法去识别精度的改进。关键字:主要成分分析(PCA,子模式PCA(SpPCA),SpPCAI,SpPCAIII.简介:人类一直在使用的物理特性,如面部,语音,步态,等相互承认了数千年。随着技术的新进展,生物特征识别己经成为一个为个人使用生物特征识别他们的新兴的科技。现在,生物识别技术己经成为每天生活一部分,其中是由他/她个人生物特征识别一个人。不同的生物识别系统的例子包括指纹识别,面部识别,虹膜识别、视网膜识别,语音识别,手几何学,签名识别,等等。特别是人脸识别,在最近几年研究团体己经从工业获得了相当的关注。A)人脸表情识别