掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
人臉識別算法、優化與信息安全 版權信息
- ISBN：9787302620099
- 條形碼：9787302620099 ; 978-7-302-62009-9
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
人臉識別算法、優化與信息安全 本書特色
《人臉識別算法、優化與信息安全》條理清晰、邏輯性強、內容充實、涵蓋范圍廣，具有較強的學術性和實用性。本書內容主要基于以人臉識別為主體的用戶信息網絡安全性研究，參考了大量的有關文獻，感謝本書中所參考和引用資料的有關機構與作者。如果有資料因疏忽而未列出其出處，請原機構或作者及時告知，以便再版時增補。本書引用的部分資料和圖表主要用于知識內容的闡述與傳授，無侵權意圖，特此聲明。
人臉識別算法、優化與信息安全 內容簡介
本書全面、系統地闡述以人臉識別為代表的信息安全技術，可以降低用戶數據信息安全風險。本書主要內容包括人工智能和信息安全概述，挖掘人臉可辨識信息的關鍵技術，非約束人臉識別、小樣本人臉識別、代價敏感人臉、快速正則化聯合分類等問題的解決方案，深層局部字典和聯合加權核稀疏分類器的構建方案，提升用戶信息網絡安全性的各種方案，用戶信息網絡安全的未來等。 本書條理清晰、邏輯性強、內容充實、涵蓋范圍廣，具有較強的學術性和實用性，可供廣大人工智能初學者及相關專業的師生學習和參考。
人臉識別算法、優化與信息安全 目錄
第1章 人工智能和信息安全概述 1
1.1 以人臉識別為主體的用戶信息網絡安全技術 1
1.1.1 人臉識別技術的引入 2
1.1.2 人臉識別技術的發展史 5
1.1.3 用戶信息網絡安全性 12
1.2 機器學習與人工智能、數據挖掘和網絡安全的融合 16
1.2.1 機器學習與人工智能 16
1.2.2 機器學習與數據挖掘 17
1.2.3 機器學習與網絡安全 18
1.3 機器學習和信息安全發展趨勢 20
1.4 本章小結 22
第2章 挖掘用戶可辨識信息的方法 23
2.1 稀疏表示 23
2.2 協同表示 26
2.3 核稀疏表示和核協同表示 27
2.4 稀疏字典學習 29
2.5 深度學習 31
2.5.1 深度學習的模型 31
2.5.2 多層感知機 33
2.5.3 激活函數和損失函數 35
2.5.4 優化算法 38
2.5.5 卷積神經網絡 40
2.6 本章小結 42
第3章 非約束性用戶的識別方法 43
3.1 非約束性人臉識別問題 43
3.2 相關工作的回顧 46
3.2.1 魯棒稀疏表示 46
3.2.2 魯棒稀疏編碼算法 47
3.3 可變遮擋探測和迭代恢復稀疏表示模型 47
3.3.1 VOD過程 49
3.3.2 IR過程 50
3.3.3 VOD&IR算法描述 50
3.4 實驗結果及分析 52
3.4.1 參數設置 52
3.4.2 模擬塊遮擋 53
3.4.3 AR人臉數據庫的真實遮擋 58
3.4.4 可變遮擋地圖精確性評估 62
3.5 本章小結 63
第4章 小樣本用戶的識別方法 65
4.1 小樣本用戶識別問題 65
4.2 樣本組錯位原子字典聯合核協同表示分類模型 67
4.2.1 仿射變換原理 68
4.2.2 樣本組錯位原子字典 69
4.2.3 聯合核協同表示模型 70
4.3 實驗結果及分析 71
4.3.1 Georgia Tech人臉數據庫 72
4.3.2 Labeled Faces in the Wild人臉數據庫 74
4.3.3 Caltech人臉數據庫 75
4.3.4 相似方法的比較 77
4.3.5 樣本組錯位原子方案的評估 78
4.4 本章小結 80
第5章 代價敏感人臉認證安全體系 81
5.1 代價敏感人臉識別問題 81
5.2 基于高斯相似性關系的加權二重字典 83
5.2.1 高斯加權稀疏表示算法 83
5.2.2 淺層全局加權二重字典的建立 84
5.3 基于限定的表情動作模式的代價敏感人臉認證模型 85
5.3.1 CSFV_LEP模型的原理 85
5.3.2 CSFV_LEP算法描述 87
5.3.3 CSFV_LEP算法復雜度分析 89
5.4 實驗結果及分析 89
5.4.1 參數設置 89
5.4.2 模型的安全和實用性能分析 91
5.5 本章小結 99
第6章 快速人臉識別的流形正則化方法 101
6.1 快速人臉識別問題 101
6.2 核協同流形正則化模型 103
6.3 實驗仿真及結果分析 105
6.3.1 參數設置 105
6.3.2 Extended Yale B人臉數據庫上的人臉識別實驗 105
6.3.3 AR人臉數據庫上的人臉識別實驗 110
6.3.4 FERET人臉數據庫上的人臉識別實驗 112
6.3.5 Lab2人臉數據庫上的人臉識別實驗 114
6.3.6 參數的影響 116
6.4 本章小結 119
第7章 分層建模大規模人臉認證方法 121
7.1 大規模人臉識別問題 121
7.2 深度學習框架 123
7.2.1 卷積神經網絡 123
7.2.2 經典的卷積神經網絡結構 124
7.2.3 遷移學習 126
7.3 深層局部字典的建立 128
7.4 聯合加權核協同表示 130
7.5 部分實驗結果 131
7.5.1 CMU-PIE人臉數據庫上的人臉識別實驗 131
7.5.2 CMU-PIE人臉數據庫上的加噪遮擋人臉識別實驗 132
7.5.3 LFW人臉數據庫上的無遮擋人臉識別實驗 133
7.5.4 LFW人臉數據庫上的同源遮擋人臉識別實驗 134
7.6 本章小結 135
第8章 提升用戶信息網絡安全性的方法 137
8.1 以人臉識別為主體的信息安全系統 137
8.2 用戶信息網絡安全的保護方法 141
8.3 大數據環境下提升用戶信息安全性的建議 144
8.4 本章小結 148
第9章 用戶信息網絡安全的未來 149
9.1 用戶信息資源的多元化趨勢 149
9.1.1 用戶信息資源的多樣性 150
9.1.2 用戶信息需求的差異性 155
9.2 網絡信息資源及其共享與保密 157
9.2.1 網絡信息資源 157
9.2.2 網絡信息資源的共享與保密 159
9.3 用戶信息網絡安全技術的發展前景 161
9.4 本章小結 164
參考文獻 167
附錄A 縮略語 175
展開全部
書友推薦
- >
巴金－再思錄
- >
小考拉的故事-套裝共3冊
- >
名家帶你讀魯迅:故事新編
- >
唐代進士錄
- >
推拿
- >
山海經
- >
煙與鏡
- >
龍榆生：詞曲概論/大家小書
本類暢銷
