•基於
子空間變換的方法
基於子空間變換的方法首先對訓練影象進行代數變換，求得乙個由基影象張成的子空間，然後計算每個影象在該子空間中的投影係數，作為影象的特徵。
•基於機器學習
的方法
基於機器學習的方法包括神經元網路(artificial neural nctwork，ann)方法和支援向量機(s upport vector machine，svm)方法，其特點是通過樣本學習，為每乙個模式類別設計分類器。
•基於模型的方法
基於模型的方法首先建立乙個通用的人臉模型，然後通過確定模型中的引數來表徵一幅特定的人臉影象，基於特定的人臉模型引數，便可設計模式分類器。常用的人臉模型有隱馬爾可夫模型(hmm，hidden marxov model)和三維可變形模型(30 mo印hable
model)
•彈性圖匹配
方法 人臉是一種非剛性的物體，它存在各種形變，如由表情變化引起的人臉變形等，由於存在這些形變，使得很多人臉識別演算法的識別率大大降低。為了解決這個問題，m.lades等提出了一種具有形變不變性的演算法，它採用動態連線結構來描述人臉特徵，匹配時採用彈性圖匹配(elastic oraph matching，eom)技術。
•區域性特徵分析方法
lfa方法則通過對基向量加上乙個拓撲索引來描述影象的區域性特徵和拓撲特徵。 lfa利用pca方法建立一組區域性相關的特徵向量，用稀疏(s parsification)技術選擇一組相關性最少、且附加有拓撲索引的特徵集;利用這組特徵集，可以定義感興趣的子空間。
•基於幾何特徵的方法
基於幾何特徵的識別方法將人臉用幾何特徵向量表示，用模式識別中層次聚類的思想設計分類器從而達到識別目的。要求選取的幾何特徵向量具有一定的獨特性，能夠反映不同人臉之間的差別，同時又具有一定的彈性，以消除時間跨度、光照等的影響。
•基於深度
學習的方法
風險識別方法
德爾菲法 優點 1 吸收專家參與 充分利用專家的經驗和學識 2 採用匿名或背靠背的方式，能使每一位專家獨立自由地作出自己的判斷 3 過程幾輪反饋，使專家的意見逐漸趨同。缺點 過程比較複雜，花費時間較長。swot分析方法 是一種根據企業自身的既定內在條件進行分析，找出企業的優勢 劣勢及核心競爭力之所在...
語音識別方法 筆記
語音識別方法 基於引數模型的隱馬爾科夫模型 hmm 的方法和基於非引數模型的向量量化 vq 的方法。基於人工神經網路 ann 的語音識別方法。傳統的會與動態時間規劃的演算法 dtw 在連續語音識別中仍然是主流方法。同時，在小詞彙量 孤立字識別系統中，也已有許多改進的dtw演算法被提出。提高系統的識別...
Linq to Entities不識別方法
db.uservalidates.include a a.user where uv u.uservalidates.contains uv,c tolist 執行時出現 linq to entities不識別方法 解決方式可以使用lambda表示式樹 expressionbool express ...