Please use this identifier to cite or link to this item: http://archives.univ-biskra.dz/handle/123456789/650
Full metadata record
DC FieldValueLanguage
dc.contributor.authorBELAHCENE, M-
dc.contributor.authorOUAMANE, A-
dc.contributor.authorBOUMEHREZ, M-
dc.contributor.authorBENAKCHA, A-
dc.date.accessioned2013-12-30T16:26:42Z-
dc.date.available2013-12-30T16:26:42Z-
dc.date.issued2013-12-30-
dc.identifier.urihttp://archives.univ-biskra.dz/handle/123456789/650-
dc.description.abstractDans cet article, nous présenterons quatre méthodes d’extraction de caractéristiques à base de réduction d’espace à une dimension: L’Analyse en Composantes Principales (ACP), L’Analyse Discriminante Linéaire(ADL), le Modèle Discriminant Linéaire Amélioré de Fisher (EFM) et la ADL Directe (ADLD) et deux méthodes à deux dimensions : l’Analyse Discriminante Linéaire Bidimensionnelle Orientée en Lignes (ADL2DOL) et en Colonnes (ADL2DOC). Une présentation théorique de ces approches et leurs applications au domaine du visage sur la base de données XM2VTS est faite. Puis une étude comparative entre ces algorithmes est effectuée. La meilleure méthode de réduction d’espace est retenue. Pour la classification nous proposons d’utiliser un nombre de machines à vecteurs de support (SVM) égal ou nombre des clients.en_US
dc.language.isofren_US
dc.subjectextraction de caractéristiquesen_US
dc.subjectréduction d’espaceen_US
dc.subjectmachines à vecteurs de supporten_US
dc.titleCOMPARAISON DES METHODES DE REDUCTION D’ESPACE ET L’APPLICATION DES SVMS POUR LA CLASSIFICATION DANS L’AUTHENTIFICATION DE VISAGESen_US
dc.typeArticleen_US
Appears in Collections:CS N 13

Files in This Item:
File Description SizeFormat 
16--mebarka 1.pdf7,01 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.