11、数据分类与面部识别技术研究

数据分类与面部识别技术研究

在数据处理和图像识别领域，有两项重要的研究值得关注，一是针对不平衡数据分类的HOUSEN模型，二是基于欧拉角和概率模型的面部识别方法E - Pro。下面将详细介绍这两项研究的内容。

不平衡数据分类的HOUSEN模型

实验数据描述

研究选取了五个数据集进行实验，这些数据集均来自KEEL仓库，具体信息如下：
- Banana数据集 ：人工数据集，包含属于几个香蕉形状簇的实例，有两个属性，共2640个观测值，通过正负类别标签描绘数据集中的两种香蕉形状。
| Banana | 原始数据 | 混合数据 |
| — | — | — |
| 负类 | 2376 | 2268 |
| 正类 | 264 | 2192 |
- Haberman数据集 ：乳腺癌患者手术后的生存数据集，包含306个实例和四个特征，分别是年龄、手术年份、检测到的阳性辅助节点数量和预测类别（患者手术后是否存活五年以上或在五年内死亡）。
| Haberman | 原始数据 | 混合数据 |
| — | — | — |
| 负类 | 2250 | 1526 |
| 正类 | 810 | 1545 |
- Glass0数据集 ：用于不平衡二元分类以识别玻璃种类的数据集，包含214个实例和九个特征，如折射率、各成分的重量百分比等，类别属性分为正（建筑窗户且经过浮法处理）和负（其他情况）。
| Glass0 | 原始数据 | 混合数据 |
| — | — | —