1. 毕业设计（论文）主要目标：
本论文旨在通过支持向量机和卷积神经网络模型，从纷杂高维的人脸图像中运用数据投影和PCA方法选择基向量对高维数据进行处理，快速准确的识别出图片，提取出人脸特征，从而为人脸识别技术提供更多方案。通过支持向量机模型和神经网络模型两种模型，实现机器学习方法在人脸识别的应用，并将模型正确率与精度进行对比，探讨提高人脸识别应用技术的思路和建议。
2. 毕业设计（论文）主要内容：
（1) 搜集人脸数据库，建立图像样本数据集，并且将其分为训练集和测试集。
（2) 降低维度、处理特征值。通过PCA（主成分分析法）进行降维，运用数据投影选择基向量，提取人脸特征。
（3) 构建模型。采用SVC（支持向量机模型）以及CNN（神经网络模型），并结合相关算法优化模型。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
3. 主要参考文献
[1]Valentine Tim,Lewis Michael B,Hills Peter J. Face-space: A unifying concept in face recognition research[J]. Quarterly journal of experimental psychology , 2016, 69(10) :56-59.
[2]Daniel Saez Trigueros, Li Meng, Margaret Hartnett. Face Recognition: From Traditional to Deep Learning Methods[J]. ArXiv , 2018: 68.
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
