dangtuan_anh92
New Member
Download miễn phí Đề tài Hệ thống bảo mật
Để có thể tiến hành điều khiển hay giám sát các quá trình thực hiện bằng máy tính, trước hết phải có mối liên hệ cần thiết giữa máy tính và thế giới bên ngoài. Cổng giao lưu với thế giới bên ngoài được mở rộng bằng giao diện.Đối với máy tính PC tuân theo chuẩn công nghiệp có thể thực hiện các khả năng ghép nối sau:
- Sử dụng card mở rộng được cắm vào máy tính ( phương pháp này đạt được tốc độ truy nhập lớn nhất nhưng chi phí cao).
- Các giao diện đã được tiêu chuẩn hóa đóng vai trò ghép nối máy tính với các mạch điện bên ngoài.Cách ghép nối qua cổng nối tiếp thường được lựa chọn vì chi phí thấp.
- Ghép nối với một bộ vi xử lý riêng để thực hiện những bài toán khác mà không cần trao đổi dữ liệu với máy tính.
- Các giao diện có trên máy tính PC như giao diện nối tiếp,giao diện song song và cả cổng trò chơi (game port) cho phép sử dụng trực tiếp làm giao diện.
Để tải bản Đầy Đủ của tài liệu, xin Trả lời bài viết này, Mods sẽ gửi Link download cho bạn sớm nhất qua hòm tin nhắn.
Ai cần download tài liệu gì mà không tìm thấy ở đây, thì đăng yêu cầu down tại đây nhé:
Nhận download tài liệu miễn phí
Tóm tắt nội dung tài liệu:
là trục qua tâm trực giao với trục chính thứ nhất, và quán tính của đám mây theo nó nhỏ nhất. Hai trục chính này tạo thành mặt phẳng chính thứ nhất, mặt phẳng mà quán tính của đám mây theo nó nhỏ nhất. Khi đó đám mây điểm thể hiện trên nó rõ nhất so với mọi mặt phẳng khác.- Tiếp tục, tìm trục chính thứ ba là đường thẳng qua tâm, trực giao với hai trục chính trên vả gần đám mây nhất sau hai trục chính thứ nhất và thứ hai. Với sự có mặt của trục này ta được thêm hai mặt phẳng chính nữa, được tạo nên do trục 1 và trục 3, trục 2 và trục 3.
- Nếu việc tìm các trục chính được tiến hành đến trục chính thứ q (q ≤ p, n) thì ta được một hệ q vector trực giao, tạo thành siêu phẳng (không gian con) q chiều, mà đám mây điểm thể hiện trên nó rõ nhất.
3.2.3 Tìm Các trục chính trong RP.
Mỗi dòng của ma trân quy tâm Xn,p là một vector (điểm cá thể) trong không gian Rp. Tích vô hướng trong gắn với ma trận đơn vị I, tức là có dạng xTy Rp.
- Gọi Δ là đường thẳng qua gốc (gốc trùng với trọng tâm O), đường thẳng
này là giá của vector đơn vị u (u nằm trên Δ), uTu=1.
- Gọi Mi là điểm thứ I của R, tương ứng với vector xi. Hình chiếu trực giao OH, của vector OMi trên Δ có độ dài là:
= (OMi)u = xiu (3.5)
trong đó, tất nhiên, uT=(u1,u2,…up).
- Khi đó rõ ràng rằng tích: Xu= (3.6)
là vector n chiều mà phần tử thứ i (i=) của nó là độ dài hình chiếu của vector xtrên Δ.
Hình 3.2 Vector thành phần trình chiếu trên trục tọa độ
- Theo tiêu chuẩn bình phương nhỏ nhất, ta cần tìm:
- Theo định lý Pythagore:
Vì = const ( tổng bình phương các toạ độ ban đầu), nên việc tìm tương đương với việc tìm tức là max uTXTu.
- Như vậy, để tìm trục chính thức nhất ta tìm u1 sao cho:
uXTXu1 max. (3.7)
với điều kiện: uui = 1. (3.8)
- Ta có:
XTX = M0 = ();j,k=
Là ma trận quán tính, cũng là ma trận phương sai – hiệp phương sai.
3.2.4 Giá trị riêng và vector riêng của XXT:
- Từ phương trình 3.7 và 3.8 ta có phương trình tương đương như sau:
Tìm u1 sao cho:
uM0 u1 - (uu1 – 1) max (3.9)
trong đó là nhân tử Lagrange.
- Muốn vậy, phải có:
[uM0 u1 - (uu1 – 1) ]= 0
- Tức là:
M0u1 - u1 = 0
- Hay (M0 - I)u1 = 0 (3.10)
- Vậy là giá trị riêng và ui là vector riêng của ánh xạ f – cho tương ứng mỗi xi RP (i =) một điểm trên đường thẳng gần các điểm xi nhất. - Nói cách khác tìm trục chính Rp có nghĩa là các giá trị riêng và vector riêng của ma trận quán tính M0.
Hình 3.3 Thành phần chính PCA trên mặt phẳng
Ta giải phương trình:
Ta được các trị riêng: λ1 ≥ λ2 ≥….≥ λp. Chọn giá trị lớn nhất λ1, ta được vector riêng tương ứng u1,||u1||2=1, do đó xác định được Δ1.
Chú ý công thức:
Trong đó N là ký hiệu đám mây điểm – cá thể trong RP.
Kết hợp (3.10) ta được:
Giá trị riêng lớn nhất λ1 của M0 bằng quán tính giải thích N bởi đường thẳng Δ1 gần đám mây điểm N nhất, và u1 là vector riêng của M0 nằm trên Δ1. Đường thẳng Δ1 là trục chính thứ nhất.
Tìm tiếp trục chính thứ hai Δ2, trực giao Δ1, sao cho IN(Δ2) nhỏ nhất.
Muốn vậy ta giải hệ:
Bằng phương pháp nhân tử Lagrange, ta buộc:
[uM0 u1 - (uu1 – 1) - ]= 0
hay:
Nhân trái với u1, ta được:
hay:
Vì M0u1 -u1 = 0, và nên phải có µ = 0.
Do đó (2.3.12) trở thành:
Và λ lại trở thành nghiệm của phương trình bậc p (2.3.8): |M0 - I| = 0
Giá trị riêng lớn thứ hai λ2 cho tương ứng vector riêng u=u2 và do đó cho trục chính thứ hai Δ2.
Để tìm trục chính thứ q, Δq (q≤p, n), ta giải hệ:
Với mọi j=1,2,…..q-1
Kết quả lại có λq là nghiệm của: |M0 - I| = 0
Tương tự ta có:, j=
Chú ý: Thực ra, để tìm các trục chính chỉ cần dựa vào tính chất 1 của ma trận đối xứng (vì ma trận phương sai – hiệp phương sai M0 đối xứng).
Với q trục chính (q
Hơn một thập kỷ qua có rất nhiều công trình nghiên cứu về bài toán xác định khuôn mặt người từ ảnh đen trắng, xám đến ảnh màu như ngày hôm nay. Các nghiên cứu đi từ bài toán đơn giản, mỗi ảnh chỉ có một khuôn mặt người nhìn thẳng vào thiết bị thu hình và đầu ở tư thế thẳng đứng trong ảnh đen trắng. Cho đến ngày hôm nay bài toán mở rộng cho ảnh màu, có nhiều khuôn mặt trong cùng một ảnh, có nhiều tư thế thay đổi trong ảnh. Không những vậy mà còn mở rộng cả phạm vi từ môi trường xung quanh khá đơn giản (trong phòng thí nghiệm) cho đến môi trường xung quanh rất phức tạp (như trong tự nhiên) nhằm đáp ứng nhu cầu thật sự của con người.
3.3.1 Xác định khuôn mặt người:
- T là một ma trận kích thước M*NxP chứa tất cả ảnh trong csdl, mỗi ảnh là một vector cột trong ma trận T.
- Theo thuật toán PCA, đầu tiên ta sẽ tính ra m là trung bình của tất cả các ảnh trong ma trận T, dùng hàm “ mean” của MatLab.
- Sau đó, ta sẽ lấy từng bức ảnh trong T trừ cho ảnh trung bình, ta sẽ được một ma trận A kích thước M*NxP.
- Ta cần tìm Eigenface là những vector riêng của ma trận A*A’, những ma trận A*A’ kích thước M*NxM*N quá lớn, ta sẽ tìm những vector riêng cả ma trận A’*A kích thước PxP. Ta sẽ tìm những vector riêng bằng hàm eig trong MatLab.
- Giả sử v là một vector riêng của ma trận A’*A, khi đó A*v là vector riêng của ma trận A*A’.
- Tập hợp những vector riêng của ma trận A*A’ gọi là Eigenfaces.
- Trả về giá tri:
- m: là ảnh trung bình.
- A: là tập hợp những ảnh - ảnh trung bình.
- E: là những vector riêng của ma trận A*A’.
- P ảnh – P vector: T1,T2….TP.
- Vector ảnh trung bình: m =
- Ai = Ti - m, i= 1….P, A =[A1 A2 …..AP]
- Tìm một cơ sở trực chuẩn:
nếu I = j
nếu I j
= lớn nhất.
Trong đó:
- uk là vector riêng của AAT.
- là trị riêng tương ứng của AAT.
- H là bức ảnh M x N suy ra H là vector M*N chiều. K = H –m.
Trong đó:
- Kf là hình chiếu K.
- C = ETK là tọa độ của Kf
- Size(C) = Q x 1;
- Kf = với ci = C(i,1); ei = E
,i).- Ai = A
,i) là ảnh thứ i trong csdl.- Ci = ETAi là tọa độ Aif.
- Xác định khuôn mặt giống nhau của cùng một người.
- s= là khoảng cách từ H đến không gian mặt.
- si = là khoảng cách từ H đến bức ảnh Ti.
- So sánh và là hai ngưỡng nào đó.
- s < : H là bức ảnh khuôn mặt.
- si < : Ti và H là ảnh cùng 1 người.
- Như ta thấy nếu bức ảnh là khuôn mặt người thì hình chiếu sẽ khá giống với ảnh gốc, còn khi bức ảnh không phải là khuôn mặt thì hình chiếu sẽ khác ảnh gốc rất nhiều, do đó khoảng cách từ bức ảnh mặt người tới không gian mặt sẽ nhỏ hơn rất nhiều so với khoảng cách từ bức ảnh không phải mặt người tới không gian mặt.
- Cho bảng số liệu với rất nhiều cột và dòng, mỗi cột là một biến, mỗi dòng là một cá thể, trên đó đo đồng thời giá trị các biến. Ta cần biết mối quan hệ giữa các biến, giữa các cá thể qua thể hiện rõ nhất trong một không gian con số chiều ít hơn.
3.3.2 Tìm thành phần chính của một ma trận
Bước 1: Xác định ma trận của ảnh.
Giả sử ta có ma trận T = tương ứng là 3 ảnh. Ta sẽ tính được ảnh trung bình của ma trận này theo hàm m=mean(T,2).
m=
Theo công thức: m = .
Sau đó...