【《Python数据分析案例演示系统设计》11000字(论文)】_第1页
【《Python数据分析案例演示系统设计》11000字(论文)】_第2页
【《Python数据分析案例演示系统设计》11000字(论文)】_第3页
【《Python数据分析案例演示系统设计》11000字(论文)】_第4页
【《Python数据分析案例演示系统设计》11000字(论文)】_第5页
已阅读5页,还剩23页未读, 继续免费阅读

付费下载

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

IPython数据分析案例演示系统设计摘要随着科学技术的日益进步、人工智能的快速发展,大数据时代已经悄然而至,甚至逐渐发展成为了当今科技的潮流。其中,Python语言凭借其“多功能”性得到了各大企业、高校及学者们的青睐,成功的跻身为这潮流中的一流。本文基于Python数据分析技术设计了一个类比于仿真实验的案例演示系统,可通过该系统直观的学习与感受Python数据分析的时实应用。为便于读者的学习,本着知识点的由浅入深的学习原则,本系统在PyQt5的基础上设置了3个方面的结果展示:绘图类显示、数值类显示和识别类显示。这3种类别的演示,也几乎囊括了Python数据分析各结果的展现形式,可进一步的为读者提供相应的学习帮助。一、绘图类显示。采用可视化包Matplotlib进行实时绘图,对所得到的各种数据进行6种类型的图形绘制:散点图、线性图、柱状图、直方图、饼图及箱线图。二、数值类显示。选用机器学习工具Scikit-Learn的5个经典模型:主成分分析、神经网络、逻辑回归、线性回归和支持向量机模型。实现5个生活案例:汽车评价分类、信贷审批预测、发电厂电力输出预测、农村居民人均收入综合排名及2017全国大学生数学建模竞赛的B题“拍照赚钱”的任务定价优化方案。三、识别类显示。运用支持向量机SVM完成两个经典的图像识别案例:手写体识别、人脸识别。其中手写体识别采用的是MNIST的10000个0~9的黑白阿拉伯数字图片,人脸识别采用的是sklearn库自带的LFW数据集,涉及5749人共13233张彩色人脸图像。关键词:Matplotlib;机器学习;手写体识别;人脸识别目录Python数据分析案例演示系统 I1引言 11.1课题研究的背景 11.2课题研究的意义 12Matplotlib绘图应用 22.1直方图、散点图、柱状图 22.2箱线图、线性图、饼图 43Scikit-Learn模型应用 53.1汽车评价分类 53.2信贷审批预测 73.3发电厂电力输出预测 73.4农村居民人均可支配收入综合排名 93.5众包任务定价优化方案 114图像识别应用 154.1手写体识别 154.2人脸识别 185GUI可视化系统设计与分析 205.1系统可行性分析 205.1.1操作可行性 205.1.2技术可行性 215.2系统需求分析 215.2.1功能需求分析 215.3系统框架设计与功能展示 215.3.1绘图类显示 225.3.2数值类显示 235.3.3识别类显示 246总结 26参考文献 26

1引言1.1课题研究的背景Python是一种跨平台的计算机程序设计语言,是一个高层次的结合了解释性、编译性、互动性和面向对象为一体的脚本语言工具。它优化了软件的质量,提高开发人员的生产率、程序的可移植性性以及集成,在国外Python的使用率非常普及。近几年,国内许多互联网公司和创业公司开始将Python纳入企业程序开发的主流语言,十分适用于网站逻辑开发、数据分析和科学计算、网络爬虫、自动化运维等业务变化非常高的场景。此外,Python还是一种强大的数据分析工具,具有丰富的数据分析功能,通过设计专用平台,可解决许多领域的数据分析问题。而目前,关于Python数据分析案例的演示几乎都是在相关环境下才能够运行得出结果从而进行专业化的分析,而一旦将环境退出关闭后,就得重新开始一个一个的开始运行,并且打开之后,首先所呈现的就是那些看起来十分冗余的代码。因此,为使Python更进一步的走进实际生活中,将会通过实时案例从而进行直观的演示。同时,也就由此引入了本文Python数据分析案例演示这一操作系统。而早期就有这种能够将枯燥的代码封装成一个可以实现多功能的精致产品,且其涉猎的领域十分的广泛,如:可视化分析系统、人脸识别系统、服务推荐系统和医学检测系统等等,这些平台或系统都是运用Python技术进行模型的搭建和结构的组装,而后又经过系统的设计而产生的能够进行实际操作、实际演示的平台或系统。1.2课题研究的意义Python数据分析案例演示系统是将Python数据分析中的部分绘图基础知识、机器学习经典模型以及额外的新兴案例人脸识别与手写体识别进行结合演示。使体验者能够在了解其应用原理的同时,可以将原理带入到实际应用场景中,使知识真正的落实到生活中的运用,从而让原理知识越来越清晰可见,使各种复杂原理得到最简便、最直观、最快速的解释。此外该案例演示系统也创新了学习的方式,不仅可以给体验者带来直观的视觉及行为的体验,而且还能够引起读者对Python语言的兴趣甚至激发起学习的渴望,以及快速的增加了对相关的模块、原理的实际应用场景的认识,从而将了解、学习和操作进行三位一体的结合。此外,Python数据分析案例演示系统所计算出的结果都具有一定的意义,还能够给相应的需要相关意见的需求者提供具有一定价值的参考建议,如众包的定价优化、人脸识别等。因此,Python数据分析案例演示系统更多的是表现出了整体系统设计的优越性和难以替代性。2Matplotlib绘图应用数据可视化是数据分析与挖掘中一个非常重要的任务。所谓数据可视化,就是通过各种类型的图像来展现分析结果或者分析过程,从而提高分析的效率和可读性。其中,Matplotlib绘图库在Python中的数据可视化的范畴内则起着十分重要的作用,开发者可以仅需要几行代码,便可以绘制任何一种2D图像,本文将选取生活中常见的6种类型的图形进行绘制。2.1直方图、散点图、柱状图本案例选用的数据为某城市2015年1月1日—2015年1月24日D02~D06的车次地铁上车人数统计数据,而该数据也将共于常见的6种图形的绘制,部分数据如表1-1所示。表1-1D02~D06的车次上车人数统计车次日期上车人数D02201501012143D0220150102856D0220150106860D0220150109753D0320150110888为观察D02车次的上车人数情况,分别选用了3种方法来直观的展示D02车次的情况信息:使用直方图绘制各上车人数的总体情况;使用散点图绘制每日上车人数的分布情况;使用柱状图绘制每日上车人数的分布情况。最终所绘制出的图形如图1-1、1-2、1-3所示。图1-1D02车次上车人数直方图图1-2D02车次日上车人数散点图图1-3D02车次日上车人数柱状图由图1-1、1-2、1-3可看出,直方图类似于一种统计报告图,一般用于描述数据间的数学关系,散点图和柱状图则经常用于显示分布或者比较几个变量的相关性或者分组。2.2箱线图、线性图、饼图基于表1-1的数据,为观察D02、D03车次的上车人数情况,可绘制箱线图和线性图进行信息展示;为观察D02—D06车次的上车人数情况,可绘制饼图进行信息展示,所绘制出来的图形如图1-4、1-5、1-6所示。图1-4D02、D03车次上车人数箱线图图1-5D02、D03车次日上车人数线性图图1-6D02—D06车次上车人数百分比饼图由图1-4、1-5、1-6可看出,箱线图能够看出数据是否具有对称性、分布的分散程度等信息;线性图一般用于比较、观察数据的发展趋势;饼图一般用于查看各数据之间的占比情况。3Scikit-Learn模型应用Python之所以能在数据科学与人工智能应用领域中占有重要位置,不仅是因为其免费、开源,易数据处理,更重要的是它还提供了丰富且功能强大的机器学习模型与算法程序包。本文将机器学习包中常见的5种模型与实际生活案例相结合,解决现实问题的同时,也对模型的应用有进一步的理解。3.1汽车评价分类支持向量机(SupportVectorMachine,SVM)由CorinnaCortes和Vapnik于1995年提出,它在小样本、非线性及高维模式识别中具有突出的优势。支持向量机是机器学习中非常优秀的算法,主要用于分类问题,在文本分类、图像识别、数据挖掘领域中均具有广泛的应用。对于给定数据集,,支持向量机(SupportVectorMachines,SVM)的思想是在样本空间中找到一个划分超平面,将不同类别的样本分开。能将数据集分开的划分超平面可能有很多,如图1-7所示,可以直观的看出应该选择位于两类样本“正中间”的划分超平面,即图1-7中加粗的划分超平面,因为该超平面对训练样本的鲁棒性是最强的。例如,训练集外的样本可能落在两个类的分隔界附近,这会使很多划分超平面出现错误,而红色加粗的超平面是受影响最小的。支持向量机的目的就是找到这个最优的划分超平面[8]。图1-7存在多个划分超平面将两类样本分开在样本空间中,划分超平面可通过线性方程来描述,如式(1-1)所示。(1-1)在式(1-1)中,为法向量,决定了超平面的方向;为位移项,决定了超平面与原点之间的距离。汽车评价分类案例将根据汽车的特征数据从而应用支持向量机模型,取数据集的前1690条记录作为训练集,余下的作为测试集,计算预测准确率,并得出最终的分类结果[6]。数据取自UCI公共测试数据库中的汽车评价数据集作为本例的数据集,该数据集共有6个特征、1个分类标签,共1728条记录,部分数据如表1-2所示。表1-2汽车评价数据a1a2a3a4a5a6d44223234422333442231344222234422233根据模型的应用,最终得到的模型精确率为91%,测试集的准确率为70%,其预测出的分类结果为:[4312324324333333333312324324312324324]。3.2信贷审批预测逻辑回归(Logistic)虽然名字里带“回归”,但是它实际上是一种分类方法,主要用于两分类问题(即输出只有两种,分别代表两个类别)。逻辑回归模型是使用一个函数来归一化y值,使y的取值在区间(0,1)内,这个函数称为Logistic函数[6],如式(1-2)所示。(1-2)其中,这样就将预测问题转化为一个概率问题。一般以0.5为界,如果预测值大于0.5,我们判断此时y更可能为1,否则为y=0。信贷审批预测案例将根据信贷审批的特征数据从而应用逻辑回归模型,其中,以数据中的前600个申请者作为训练数据,后90个申请者作为测试数据,计算预测准确率及预测的标签类别[10]。数据取自UCI公共测试数据库中的澳大利亚信贷批准数据集作为本例的数据集,该数据集共有14个特征,1个分类标签y(1—同意贷款,0—不同意贷款),共690个申请者记录,部分数据如表1-3所示。表1-3 澳大利亚信贷批准数据x1x2x3x4x5x6x7x8x9x10x11x12x13x14y122.0811.462441.5850001210012130022.6772840.1650000216010029.581.751441.250001228010021.6711.51530111112011120.178.172641.96111402601591根据模型的应用,最终得到的测试集准确率为79%,其预测出的分类结果为:[011110010110001100010110111010001001000101101010111001001000101100010011010001010110110110]。3.3发电厂电力输出预测人工神经网络又叫神经网络,是借鉴了生物神经网络的工作原理形成的一种数学模型。神经网络是机器学习诸多算法中的一种,它既可以用来做有监督的任务,如分类、视觉识别等,也可以用作无监督的任务,同时它能够处理复杂的非线性问题,它的基本结构是神经元,如图(1-8)所示。图1-8单个神经元其中,x1、x2、x3代表输入,中间部分为神经元,而最后的hw,b(x)是神经元的输出,整个过程可以理解为输入——>处理——>输出。由多个神经元组成的就是神经网络,如图1-9所示。图1-9神经网络的构成如图1-9所示,这是一个4层结构的神经网络,layer1为输入层,layer4为输出层,layer2,layer3为隐藏层,即神经网络的结构由输入层,隐藏层,输出层构成。其中除了输入层以外,每一层的输入都是上一层的输出。单个神经元的数学构成很简单,包含两个部分权重和偏置,每个输入值进入神经元都会进行类似y=wx+b其中w为权重,b为偏置,x为输入值,y为单个输入值的结果,经过激活函数激活后输出结果为f(wx+b),其中f为激活函数。存在多个输入值使用激活函数的情况下输出值为f(w1x1+w2x2+...+wnxn+b)。其中,激活函数也成为映射函数,可以对计算结果进行非线性转换,从而提升神经网络的表达能力,从而能够处理线性不可分的问题,比如语音识别和图像识别等。常见的激活函数有sigmoid,tanh,relu...等。发电厂电力输出预测案例将根据某发电厂各电力输出数值之间的关系,构建神经网络回归模型,从而预测当AT=28.4、V=50.6、AP=1011.9、RH=80.54时,PE的预测值,数据取自UCI公共测试数据库中的发电厂电力输出,其部分数据如表1-4所示。表1-4发电厂电力输出数据ATVAPRHPE8.3440.771010.8490.01480.4823.6458.491011.474.2445.7529.7456.91007.1541.91438.7619.0749.691007.2276.79453.0911.840.661017.1397.2464.43根据模型的应用,最终得到的模型的精确率为91%,PE的预测值为439.27687212142246。3.4农村居民人均可支配收入综合排名主成分分析是一种数学降维方法,其主要目的是找出几个综合变量来代替原来众多的变量,使得这些综合变量能尽可能地代表原来变量的信息且彼此之间互不相关。这种将多个变量转换为少数几个互相无关的综合变量的统计分析方法就叫作主成分分析。设p个n维随机变量X=(X1,X2,…,Xp)T,其协方差矩阵如式(1-3)所示。(1-3)变量x1,x2,…,xp经过线性变换后得到新的综合变量Y1,Y2,…,Yp,即如式(1-4)所示。(1-4)其中系数为常数向量。要求满足式(1-5)、(1-6)、(1-7)条件。(1-5)(1-6)(1-7)则称Y1为第一主成分,Y2为第二主成分,依此类推,Yp称为第p个主成分。这里称为主成分的系数。农村居民人均可支配收入综合排名案例将根据主成分分析的方法,建立可计算各城市综合指标的主成分表达式,如Y1=a11×X1+a12×X2+a13×X3+a14×X4。其中,X1~X4是原来的指标,Y1是综合指标,a11~a14是对应的加权系数。Xi反映了地区农村居民人均可支配收入某个方面的指标,仅代表某方面的信息,它在综合指标Y1中,其重要程度可以通过对应的a1j来反映,可以称a1j为信息系数[9]。数据取自2016年《中国统计年鉴》中的农村居民人均可支配收入情况数据,其部分数据如表1-5所示。表1-52016年农村居民人均可支配收入情况(单位:元)地区工资性收入经营净收入财产净收入转移净收入北京16637.52061.91350.12260天津12048.15309.4893.71824.4河北6263.23970257.51428.6山西5204.42729.91491999.1内蒙古2448.96215.7452.62491.7计算各城市的综合排名,首先需对数据进行标准化处理,其次对标准化后的数据做主成分分析,最后基于主成分进行综合排名。记综合排名指标为F,则F的计算公式如式(1-8)所示。(1-8)其中m表示提取的主成分个数,分别表示第i个主成分和其贡献率。而最终所得的排名结果如图1-10所示。图1-10各城市农村居民人均可支配收入综合排名3.5众包任务定价优化方案“拍照赚钱”是移动互联网下的一种自助式服务模式。用户下载App,注册成为App会员,然后从App上领取需要拍照的任务(如去超市检查某种商品的上架情况),赚取App对任务所标定的酬金。这种基于移动互联网的自助式劳务众包平台为企业提供各种商业检查和信息搜集服务,相比传统的市场调查方式可以大大节省调查成本,而且有效地保证了调查数据的真实性,缩短了调查周期。因此App成为该种平台运行的核心,而App中的任务定价又是其核心要素。如果定价不合理,则有的任务就会无人问津,从而导致任务的失败[7]。附件一是一个已结束项目的任务数据,包含了每个任务的位置、定价和完成情况(“1”表示完成,“0”表示未完成);附件二是会员信息数据,包含了会员的位置、信誉值、参考其信誉给出的任务开始预订时间和预订限额,原则上会员信誉越高,越优先开始挑选任务,其配额也就越大(任务分配时实际上是根据预订限额所占比例进行配发的)。附件一和附件二的部分数据如表1-6和表1-7所示。表1-6附件一:已结束项目任务数据任务号码任务GPS纬度任务GPS经度任务标价任务执行情况A000122.56614225113.9808368660A000222.68620526113.940525265.50A000322.57651183113.95719865.51A000422.56484081114.2445711750A000522.55888775113.950722765.50表1-7附件二:会员信息数据会员编号会员GPS纬度会员GPS经度预订任务限额预订任务开始时间信誉值B000122.947097113.6799831146:30:0067997.3868B000222.577792113.9665241636:30:0037926.5416B000323.192458113.3472721396:30:0027953.0363B000423.255965113.31875986:30:0025085.6986B000533.65205116.97047666:30:0020919.0667本案例将综合的运用前面所介绍到的主成分分析模型、神经网络模型、支持向量机模型以及接下来所介绍到的多元线性回归模型对未完成的任务进行重新定价,从而提升任务的完成率及利润。多元线性回归就是能够用一个直线较为精确地描述数据之间的关系,这样当出现新的数据的时候,就能够预测出一个简单的值。多元线性回归的模型如式(1-10)所示。(1-10)其中,对于总体的n个观测值:,它满足式(1-11)。(1-11)其中,相互独立,且设,记为式(1-12)。,,,(1-12)则多元线性回归模型的矩阵形式可以表示为:,其中即为待估计的向量。对未完成的任务进行重新定价的总体流程如图1-11所示,步骤如下。导入数据,对数据进行探索。根据任务的数据,计算影响定价的指标。对指标进行预处理。对指标进行主成分分析。选用执行任务的主成分数据和附件一的任务定价数据构建多元线性回归,查看线性关系强弱,从而选择合适的模型构建任务定价。根据第(4)步结果,将采用神经网络构建定价模型对方案进行评价,采用支持向量机预测重新定价后的任务执行情况,并计算任务完成的增加量及成本增加额。图1-11众包任务定价优化案例流程根据附件一和附件二的数据利用循环实现所有任务与所有任务、会员之间的指标计算,即点到点,点到线的计算方式,计算指标的过程如代码1-1所示,最终得出如图1-11中所述的12个指标数据,部分数据内容如图1-12所示。代码1-1Z1~Z12指标计算过程importpandasaspd#导入pandas库importnumpyasnp#导入nmypy库importmath#导入数学函数模importfun#导入定义的函数A=pd.read_excel('附件一:已结束项目任务数据.xls')B=pd.read_excel('附件二:会员信息数据.xlsx')Z=np.zeros((len(A),13))fortinrange(len(A)):A_Wt=A.iloc[t,1]#第t个任务的维度A_Jt=A.iloc[t,2]#第t个任务的经度D1=np.zeros(len(A))D2=np.zeros(len(B))foriinrange(len(A)):A_Wi=A.iloc[i,1]#第i个任务的维度A_Ji=A.iloc[i,2]#第i个任务的经度d1=111.19*math.sqrt((A_Wt-A_Wi)**2+(A_Jt-A_Ji)**2*math.cos((A_Wt+A_Wi)*math.pi/180)**2);D1[i]=d1forkinrange(len(B)):B_Wk=B.iloc[k,1]#第k个会员的维度B_Jk=B.iloc[k,2]#第k个会员的经度d2=111.19*math.sqrt((A_Wt-B_Wk)**2+(A_Jt-B_Jk)**2*math.cos((A_Wt+B_Wk)*math.pi/180)**2);D2[k]=d2Z[t,0]=tZ[t,1]=len(D1[D1<=5])Z[t,2]=A.iloc[D1<=5,3].mean()Z[t,3]=len(D2[D2<=5])Z[t,4]=B.iloc[D2<=5,5].mean()Z[t,5]=B.iloc[D2<=5,3].sum()Z[t,6]=B.iloc[fun.find_I(6,30,6,30,D2,B),3].sum()Z[t,7]=B.iloc[fun.find_I(6,33,6,45,D2,B),3].sum()Z[t,8]=B.iloc[fun.find_I(6,48,7,3,D2,B),3].sum()Z[t,9]=B.iloc[fun.find_I(7,6,7,21,D2,B),3].sum()Z[t,10]=B.iloc[fun.find_I(7,24,7,39,D2,B),3].sum()Z[t,11]=B.iloc[fun.find_I(7,42,7,57,D2,B),3].sum()Z[t,12]=B.iloc[fun.find_I(8,0,8,0,D2,B),3].sum()np.save('Z',Z)运行代码1-1得到的结果如图1-12所示。图1-12指标计算结果之后,便对指标数据进行数据预处理,包括对空值用0填充、相关性分析、数据标准化处理和主成分分析这4个内容。完成数据的预处理,接下来便是构建模型,首先构建多元线性回归模型,查看构建模型的线性情况,由模型所计算出的判定系数为0.52617可知,其线性关系较弱。因此考虑使用非线性神经网络模型,其中,神经网络模型的拟合优度为0.709159916233,明显优于线性回归模型,最终任务定价的优化将采取神经网络模型重新预测定价。为了对原定价方案与新方案进行比较,将对新方案(即重新定价之后的任务)使用附件一的已完成任务的数据采用支持向量机进行模型的训练,从而预测新方案的任务执行情况,并统计任务完成的增加量,最后使用新方案的新定价减去原定价,即可计算出新方案的成本增加额情况。而经过最终的计算,任务完成增加量为92个,成本增加额为-59.7953531128951,即新定价方案不仅使得任务完成增加量有所提高,同时成本反而略有减少,因此新方案的任务定价效果是十分良好的。4图像识别应用图像识别是信息时代的一门重要的技术,其产生目的是为了让计算机代替人类去处理大量的物理信息。随着计算机技术的发展,人类对图像识别技术的认识越来越深刻且在现实中具有广泛应用,比如人脸识别、指纹识别、机器视觉、安防监控、农产品分拣、医疗诊断等,接下来将以手写体识别和人脸识别为例,运用支持向量机模型进行图像的识别。4.1手写体识别近年来人工智能技术飞快发展,数字识别技术就是其中一个非常重要的分支,在现实中的应用十分的广泛,如在大规模数据统计中的应用,在财务、税务、金融等领域中的应用,在邮件分拣中的应用等等[3]。本案例选取的数据为MNIST数据集,该数据集来自美国国家标准与技术研究所训练集,且数据是由来自250个不同人手写的数字构成,其中50%是高中学生,50%来自人口普查局的工作人员[5]。本案例的数据分为0~9共10种类型的数值,每种数字图像大约有1000个,数据集的总量为10000张手写体图像,部分数据信息如图1-12所示。图1-12手写体识别数据集之后,便对数据进行预处理,并按照80%训练、20%测试对处理后的数据进行随机划分,构建基于手写体数字图像识别的支持向量机模型,并对测试图片进行数字识别,最后计算模型的预测准确率,从而为实际应用提供一定的参考价值,手写体识别的总体流程如图1-13所示,具体操作如下。使用PIL读取图像数据,并统一图像大小为60×60。对图像进行灰度化、数值化和图像R、G、B三个通道的像素值归一化。构造输出数据,即手写体的数值类型。对处理好的数据按照训练80%、测试20%随机划分数据集。构建支持向量机分类模型。对模型的性能进行评估。图1-13手写体识别案例总体流程其中,对图像进行预处理,即统一图像大小、并对图像数据进行灰度化、数值化、归一化和构造特征指标,如代码1-2所示。代码1-2手写体识别数据预处理importnumpyasnpimportosfromPILimportImageimportpandasaspdfile="C:\\Users\\DELL\\Desktop\\手写体识别\\手写体图片"d=os.listdir(file)#文件夹所有图片文件名X=np.zeros((len(d),60,60,3))#预定义输入数据Y=np.zeros(len(d))#预定义输出数据foriinrange(len(d)):try:img=Image.open(file+'\\'+d[i])#读取第i张图片img=img.resize((60,60))#调整大小td=np.array(img)#转换为数值数组#取R,G,B通道即可,并归一化X[i,:,:,0]=td[:,:,0]/255X[i,:,:,1]=td[:,:,1]/255X[i,:,:,2]=td[:,:,2]/255#构造输出数据,面额类型except:passs=d[i]I=s.find('_',0,len(s))ifint(s[:I])==0:Y[i]=0elifint(s[:I])==1:Y[i]=1elifint(s[:I])==2:Y[i]=2elifint(s[:I])==3:Y[i]=3elifint(s[:I])==4:Y[i]=4elifint(s[:I])==5:Y[i]=5elifint(s[:I])==6:Y[i]=6elifint(s[:I])==7:Y[i]=7elifint(s[:I])==8:Y[i]=8else:Y[i]=9构建完指标之后,便是对数据进行划分训练集和测试集,从而利用支持向量机分类模型进行训练与预测,并计算预测的准确率,经计算所得的测试集的准确率为96%,从预测结果可以看出,利用支持向量机模型对手写体数字图像的识别获得了较高的准确率,识别结果十分可观。4.2人脸识别在当前信息技术飞速发展的时代,如何精准快速鉴定一个人的身份,保护信息安全,已成为一个必须解决的关键性社会问题。传统的以密码、卡片、证件等为特征的身份验证技术由于极易伪造和丢失,越来越难以满足化会的需求,而生物特征识别技术因为其具有唯一性、隐蔽性、防伪性、稳定性和普遍性的特点,已成为当今世界上最为安全和完备的身份认证技术[2]。相比于目前常用的用于识别的生物特征,人脸识别凭借其便捷快速,高智能化,人机友好,安全稳定,无需接触,不宜伪造等优势一跃成为了身份识别领域的热门技术。随着各个应用领域对于安全防护的要求越来越高,人脸识别技术也毫无疑问拥有巨大发展前景和市场空间。目前,人脸识别技术主要应用于以下场景[4]。用户身份认证。如各类网站、APP中用户可采用人脸识别方式登录。电子护照及通行证。例如通关时的自助过关通道,通过扫描证件信息和人脸识别系统即可完成身份查验。财产安全。例如银行账号登录、转账、汇款、支付均可采用人脸识别完成。公安、司法和刑侦。例如采用人脸识别系统,并与城市电子监控系统相结合,构建全国范围搜捕犯罪嫌疑人的“天网”系统。门禁系统。例如各类企业的人员出入管理、考勤管理中可采用人脸识别系统。最早关于人脸识别的研究论文是Chan于1965年在PanoramicResearch发表的技术报告,该报告提出了利用人脸识别进行身份验证的思想,从此开启人脸识别的研究历程。随着科学技术的不断进步,人脸识别应用市场的需求以及研究人员的青睐,使得人脸识别技术得到了飞速的发展。直到现在,人脸识别的研究历经了五十余年,大量的研究论文依旧层出不穷。本案例选取的数据为LFW数据集,LFW(LabeledFacesintheWild)人脸数据库是由美国马萨诸塞州立大学阿默斯特分校计算机视觉实验室整理完成的数据库,主要用来研究非受限情况下的人脸识别问题。LFW数据集共有13233张人脸图像,每张图像均给出对应的人名,共有5749人,且绝大部分人仅有一张图片。每张图片的尺寸为250X250,绝大部分为彩色图像,但也存在少许黑白人脸图片,部分数据图像如图1-14所示。图1-14人脸数据集由于sklearn库中已存在有相对应的LFW数据集,因此无需再将图像转换成数值矩阵的形式。而对于已获取下来的数据集,首先将使用PCA提取主成分,其次构建基于人脸识别的支持向量机模型,之后使用GridSearchCV网格搜索法找出支持向量机模型的最优参数,从而选取最优参数组合,得到最优分类模型,最后对测试图片进行人脸识别,计算模型的预测准确率,从而为实际应用提供一定的参考价值,人脸识别的总体流程如图1-15所示,具体操作如下。导入LFW人脸数据集。使用PCA提取人脸主成分特征。构建支持向量机模型。使用GridSearchCV网格搜索对模型进行优化。对模型的性能进行评估。图1-15人脸识别案例总体流程经计算所得的测试集的准确率为84.86%,从预测结果可以看出,利用支持向量机模型对人脸图像进行识别获得了较高的准确率,识别结果十分良好。5GUI可视化系统设计与分析5.1系统可行性分析为进一步了解Python数据分析案例演示系统的设计原理及具有实际意义,本文将从操作可行性和技术可行性两方面,来对系统的可行性进行分析。5.1.1操作可行性本文的Python数据分析案例演示系统是专门为了将一些比较简易的、刻板的知识、原理将其应用于实际案例来更直观的展现以及给初学者进行进一步了解而设计和研究的。为了更贴合使用者的需求情况,本文在进行案例演示的时候,设置了三个平行页面,两个跳转页面。平行页面是为了区分结果显示的类型——绘图类、数值类、识别类,而跳转页面是为了进入人脸识别和手写体识别案例的操作界面,每个子系统功能明确、紧密联系,为不同使用者提供多样的使用功能需求。此外,绘图类显示和数值类显示都是出自教材中精心挑选的数据集;而识别类显示所使用的数据集也都是图像识别中经典的数据集。其中,手写体识别用的是MNIST的10000张手写体图片数据,人脸识别使用的是LFW人脸数据,共有13233张人脸图像。且每个涉及到模型使用的案例,其模型效果都十分的良好,因此使得整个系统的运行结果十分的牢靠。5.1.2技术可行性本文的Python数据分析案例演示系统在应用上主要利用了Matplotlib绘图包进行绘图,用机器学习篇章的常用的5种模型——主成分分析、神经网络、逻辑回归、线性回归以及支持向量机模型,然后将这些模块与实际的数据相结合实现对这些模块的具体应用,再利用Pyqt5对每个实际案例进行GUI可视化展示[1],整个过程简介明了,安全可靠,对用户的使用门槛低,对于不常使用电脑的人来说也容易上手。5.2系统需求分析5.2.1功能需求分析Python数据分析案例演示系统实现的功能为:用户先打开利用GUI设计的系统界面,然后根据个人需求,选择所需要进行了解的结果展示类别。其中三个平行页面的演示是通过单击旁边的对应内容的树节点,每点击一个节点,便会显示对应案例的数据、简介,之后用户即可点击旁边相应的按钮进行案例的运行,运行的结果也将会及时的在相应的显示区域显示。而对于两个跳转页面,手写体识别首先是需要导入其手写数字图片,之后点击识别按钮,从而输出识别的结果,若导入的图片名与识别出的标签名一致的话,便说明识别正确,反之则错误;人脸识别首先是需要操作者随机的抽取在指定范围内的测试集的人脸图像的数量,之后点击识别按钮,若识别所展示出的图像左侧旁的标签颜色

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论