基于主成分分析的人臉識別

1、 . . . 應(yīng)用統(tǒng)計學(xué)課程設(shè)計基于主成分分析和人工神經(jīng)網(wǎng)絡(luò)的人臉識別：卓須學(xué)號：3101301308：順蘭學(xué)號：3101301304：曉強(qiáng)學(xué)號：3101301230專業(yè)：信息與計算科學(xué)指導(dǎo)教師：賀文武（博士）2012年12月28日24 / 26目錄1.人臉識別概述21.1選題背景與意義21.2人臉檢測的基本概念21.3人臉檢測問題的分類和挑戰(zhàn)性22.模型的建立32.1主成分分析32.11計算特征根矩陣42.12計算主成分42.2人工神經(jīng)網(wǎng)絡(luò)42.21建立人工神經(jīng)元42.22 神經(jīng)網(wǎng)絡(luò)工作52.23 分析結(jié)果63.優(yōu)缺點(diǎn)分析73.1優(yōu)點(diǎn)73.2缺點(diǎn)74.參考文獻(xiàn)75.附件8摘要人臉識別技術(shù)作為

2、生物特征識別領(lǐng)域中一種基于生理特征的識別技術(shù)，是以通過計算機(jī)提取人臉的特征，并根據(jù)這些特征進(jìn)行身份驗(yàn)證的一種技術(shù)。人臉與人體的其他生物特征一樣與生俱來，它們所具有的唯一性和不易被復(fù)制的良好特性為身份鑒別提供了必要的前提；同其他生物特征識別技術(shù)相比，人臉識別技術(shù)具有操作簡單、結(jié)果直觀、隱蔽性好的優(yōu)越性。因此，人臉識別在信息安全、刑事偵破、出入口控制等領(lǐng)域具有廣泛的應(yīng)用前景。本文對于人臉識別模型的建立基于兩個部分：第一部分，基于主成分分析的特征臉法，通過選擇人臉圖像庫中的110幅人臉作為訓(xùn)練樣本集。計算其獨(dú)立主成分（涵蓋90%的信息），實(shí)現(xiàn)對信息進(jìn)行壓縮處理，從而用主成分來進(jìn)行人臉判別。第二部分，

3、用人工神經(jīng)網(wǎng)絡(luò)來進(jìn)行人臉判別。建立輸入人臉照片主成分輸出人臉判別結(jié)果的神經(jīng)網(wǎng)絡(luò)，從而實(shí)現(xiàn)人臉的識別。關(guān)鍵字：人臉識別，主成分分析，人工神經(jīng)網(wǎng)絡(luò)，特征臉1. 概述1.1選題背景與意義人臉檢測問題來源于20 世紀(jì)60、70 年代的人臉識別的研究，但早期的人臉識別研究主要針對 有較強(qiáng)約束的人臉圖像（如無背景圖像），并往往假設(shè)人臉位置很容易獲得，因此人臉檢測問題并 沒有受到重視。人臉識別是人們?nèi)粘Ｉ钪凶畛Ｓ玫纳矸荽_認(rèn)手段，也是當(dāng)前最熱門的模式識別研究課題之一。雖然人臉識別的準(zhǔn)確性要低于虹膜識別和指紋識別，但是由于它是非接觸的、具有非侵犯性，因而人們對這種技術(shù)沒有任何的排斥心理，所以人臉識別技術(shù)是一種

4、最友好的生物特征識別技術(shù)。隨著多媒體技術(shù)的發(fā)展,人臉圖像在各種領(lǐng)域中具有越來越重要的作用,如人機(jī)交互系統(tǒng)、視頻監(jiān)測系統(tǒng)、人臉圖像數(shù)據(jù)庫管理系統(tǒng)、人臉檢測與識別系統(tǒng)等。在各種人臉圖像的應(yīng)用系統(tǒng)中,人臉特征定位是重要組成部分之一。例如在安全監(jiān)控應(yīng)用中，銀行部門的監(jiān)控和安保部門的監(jiān)控，需要對人的各項(xiàng)特征進(jìn)行有針對性的監(jiān)視。對于監(jiān)控對象的身高，衣著等特征，可以在較模糊圖像中獲 得，但是對人臉部分特征，卻必須要清晰的圖像才能獲得。如果可以對人臉進(jìn)行針對性的監(jiān)視，就可以使得應(yīng)用安全監(jiān)控的部門獲得更多的安全保證。而人臉自動定位是這一監(jiān)控方法的第一步，它的性能如何直接決定了監(jiān)控的效果。簡單的說，所謂的人臉定位

5、，就是在靜態(tài)圖像或動態(tài)圖像中 標(biāo)出人臉?biāo)诘奈恢?，把人臉選取出來。而人臉的識別就是把選取出來得人臉與數(shù)據(jù)庫中已有的人臉進(jìn)行比較，找出匹配的檔案來。有的文獻(xiàn)也把人臉的定位和識別統(tǒng)稱為人臉識別，定位和識別 則是兩個主要的步驟。完整的人臉識別系統(tǒng)涉與到?jīng)Q定靜態(tài)圖像或動態(tài)圖像中無人臉、計數(shù)、定位，然后根據(jù)數(shù)據(jù)庫識別出個人，可能的話還要識別出表情，以與根據(jù)臉的圖像做出描述；或者反過來根據(jù)描述挑選匹配的人臉圖像。而說到快速的人臉特征定位，就不得不提與人臉檢測技術(shù)。人臉檢測是人臉特征定位的前提，在整個過程中起著不可忽視的作用。人臉檢測問題最初作為自動人臉識別系統(tǒng)的定位環(huán)節(jié)被提出， 近年來由于其在安全訪問控制

6、、視覺監(jiān)測、基于容的檢索和新一代人機(jī)界面等領(lǐng)域的應(yīng)用價值， 開始作為一個獨(dú)立的課題受到研究者的普遍重視。下面我將對人臉檢測的相關(guān)知識做一下簡單的介紹。1.2人臉檢測的基本概念人臉檢測是指在輸入圖像中確定所有人臉（如果存在）的位置、大小和姿態(tài)的過程。人臉檢測 系統(tǒng)輸入的是可能包含人臉的圖像，輸出的是圖像中是否存在人臉和人臉數(shù)目、位置、尺度等信息 的參數(shù)化描述。人臉檢測任務(wù)的完成涉與從復(fù)雜的背景中分割、抽取、驗(yàn)證人臉區(qū)域和可能用到的 人臉特征（如眼睛、唇色等）。成功的人臉檢測系統(tǒng)應(yīng)能處理實(shí)際存在的光線、人臉方向和距照相機(jī)遠(yuǎn)近變化等各種情況。1.3人臉檢測問題的分類和挑戰(zhàn)性：人臉檢測問題可以從不同角

7、度來進(jìn)行分類。從人臉姿態(tài)的角度，可以分為正面人臉檢測、多姿態(tài)人臉檢測（包括側(cè)面，俯仰、旋轉(zhuǎn)等）；從人臉個數(shù)的角度，可以分為單人人臉檢測、未知人臉個數(shù)的檢測。從圖像背景復(fù)雜程度的角度，分為簡單背景人臉檢測（指無背景或背景的特征被嚴(yán)格約束，在該條件下只利用人臉的輪廓、顏色、運(yùn)動等少量特征，就能進(jìn)行準(zhǔn)確檢測）、復(fù)雜背景人臉檢測（指背景的類型和特征不受約束，某些區(qū)域可能色彩、紋理等特征與人臉相似，必須利用較多的人臉特征才能做到準(zhǔn)確檢測）；從圖片是否包含色彩信息的角度，可以分為彩色圖片人臉檢測和灰度圖片人臉檢測；從圖片是否動態(tài)的角度，可以分為靜止圖像中的人臉檢測、視頻圖像序列中人臉的檢測與跟蹤。人臉是一

8、類具有相當(dāng)復(fù)雜細(xì)節(jié)變化的自然結(jié)構(gòu)目標(biāo)，受以下因素的影響，實(shí)際中的人臉檢測極具挑戰(zhàn)性：（1）人臉本質(zhì)上是三維的非剛性可變的物體，人臉由于姿態(tài)、外貌、表情、膚色等不同，具有模式的可變性；（2）一般意義下的人臉上可能存在眼鏡、胡須等附屬物；（3）三維體的人臉的影像不可避免地受到由光照產(chǎn)生的陰影的影響；（4）圖像的質(zhì)量不一，由于成像的條件和手段不同，圖像可能受噪聲的干擾，前景目標(biāo)模糊不清，比如人臉與背景區(qū)別不大造成人臉分割的困難，人臉被某些物體遮擋造成人臉特征的提取困難，光源色溫不同造成的膚色分割困難等。因此，如果能夠找到解決這些問題的方法，成功的構(gòu)造出人臉檢測系統(tǒng)，將為解決其它類似的復(fù)雜模式的檢測問

9、題提供重要的啟示。2.模型建立2.1主成分分析2.1.1計算特征根矩陣本文選擇人臉圖像庫中的110幅人臉作為訓(xùn)練樣本集。用向量表示，從而訓(xùn)練集可以表示為，110幅人臉圖像的平均人臉圖像為從而得到每人臉圖像與平均人臉的差值則協(xié)方差矩陣為其中，大小為。由于維數(shù)太大，直接求特征向量極困難，考慮矩陣，令該矩陣的特征矩陣為，為對應(yīng)的特征值矩陣，則有，其中為的第個特征向量，為對應(yīng)的特征值，從而，可導(dǎo)出，令，所以有，那么就是的一個特征向量，把的特征向量矩陣記為。2.1.2計算主成分計算特征值與對應(yīng)的特征向量，其中，由特征向量組成個新的指標(biāo)變量式中，是第一主成分，是第一主成分，是第一主成分。選擇個主成分，計算

10、綜合評價值。計算特征值的信息貢獻(xiàn)率和累積貢獻(xiàn)率，稱為主成分的信息貢獻(xiàn)率，稱為主成分的累積貢獻(xiàn)率。當(dāng)時，則選擇前個指標(biāo)向量作為個主成分，代替原來的個指標(biāo)變量，從而可對個主成分進(jìn)行分析。（由于本文得出的主成分?jǐn)?shù)據(jù)龐大，見附件5.1）2.2 人工神經(jīng)網(wǎng)絡(luò)2.2.1建立人工神經(jīng)元下圖表示出了作為人工神經(jīng)網(wǎng)絡(luò)的基本單元的神經(jīng)元模型，它有三個基本要素：輸出 輸入信號 求和 閾值 激活函數(shù)圖 1 神經(jīng)元結(jié)構(gòu)（1）一組連接（對應(yīng)于生物神經(jīng)元的突觸），連接強(qiáng)度由各連接上的權(quán)值表示，權(quán)值為正表示激活，為負(fù)表示抑制。（2）一個求和單元，用于求取各輸入信號的加權(quán)和（線性組合）。（3）一個非線性激活函數(shù)，起非線性映射作

11、用并將神經(jīng)元輸出幅度限制在一定圍。2.2.2神經(jīng)網(wǎng)絡(luò)工作為解決上述問題，考慮一個其結(jié)構(gòu)如下圖所示的人工神經(jīng)網(wǎng)絡(luò)，激活函數(shù)由決定。在我們的例子中，它只需包括p個單元，即是p個主成分。中間一層稱為處理層或隱單元層，單元個數(shù)適當(dāng)選取，對于它的選取方法，通過試驗(yàn)來決定，或許是最好的途徑。在我們的例子中，取20個就足夠了。最上面一層稱為輸出層，在我們的例子中只包含10個單元，用以輸出與每一組輸入數(shù)據(jù)相對應(yīng)的分類信息0任何一個中間層單元接受所有輸入單元傳來的信號，并把處理后的結(jié)果傳向每一個輸出單元，供輸出層再次加工，同層的神經(jīng)元彼此不相聯(lián)接，輸入與輸出單元之間也沒有直接聯(lián)接。這樣，除了神經(jīng)元的形式定義外，

12、我們又給出了網(wǎng)絡(luò)結(jié)構(gòu)。模型中有個單元，即為個主成分，令表示100訓(xùn)練照片的編號，。當(dāng)將第個樣本的原始數(shù)據(jù)輸入網(wǎng)絡(luò)時，相應(yīng)的輸出單元狀態(tài)記為，隱單元狀態(tài)記為，輸入單元記為，從中間層到輸出層的權(quán)記為，從輸入層到中間層的權(quán)記為。對于任何一組確定的輸入，網(wǎng)絡(luò)中所有單元的取值不難確定，對樣品而言，隱單元的輸入是相應(yīng)的輸出狀態(tài)是由此，輸出單元所接收到的迭加信號是網(wǎng)絡(luò)的最終輸出是2.2.3分析結(jié)果通過建立神經(jīng)網(wǎng)絡(luò)可以得出如下結(jié)果。表一 神經(jīng)網(wǎng)絡(luò)輸出結(jié)果100000000001000000000110000100000100000000001000000000010.004300000000010000000

13、10001000000000000000000001由上表可以知道模型有兩處分類錯誤，即把第8照片分為了第三類，把第9照片分為了第八類?？梢姳灸Ｐ偷恼_率為80%。3.優(yōu)缺點(diǎn)分析3.1優(yōu)點(diǎn)利用主成分分析，可以對向量進(jìn)行降維，同時也保留了90%的信息，使模型大簡化了。人臉的識別，本來是很主觀的，利用人工神經(jīng)網(wǎng)絡(luò)，使之?dāng)?shù)值化，使結(jié)果更加具有客觀性。3.2缺點(diǎn)我們沒有考慮光照變化問題，所以導(dǎo)致準(zhǔn)確率的降低。我們沒有考慮年齡問題，隨著年齡的變化，面部外觀也會變化，對于不同的年齡段，人臉識別算法的識別率也不同。我們還沒有考慮低質(zhì)量照片問題。4.參考文獻(xiàn)1 王映輝 編著人臉識別原理、方法與技術(shù) 科學(xué) 20

14、10.2 段錦 著人臉自動機(jī)器識別 科學(xué) 2008.3 邢志恒，連延 基于特征臉的人臉識別系統(tǒng)的研究，工業(yè)大學(xué) 信息科學(xué)與工程學(xué)院 2007.4 胡華 主編MATLAB數(shù)學(xué)實(shí)驗(yàn)教程人民教育.5 杰 主編 黃朝兵 副主編數(shù)字圖像處理與MATLAB實(shí)現(xiàn)電子工業(yè).6 德豐 編著MATLAB神經(jīng)網(wǎng)絡(luò)仿真與應(yīng)用電子工業(yè).7 劍波，徐波，應(yīng)用模式識別技術(shù)導(dǎo)論人臉識別與語音識別M，：交通大學(xué)，2001.8 曉光，山世光，波，高文，周德龍，德斌，CAS-PEAL大規(guī)模中國人臉圖像數(shù)據(jù)庫與其基本評測介紹，計算機(jī)圖形學(xué)輔助設(shè)計與圖形學(xué)學(xué)報.9 鑫，生物特征識別技術(shù)理論與應(yīng)用M，電子工業(yè)，2005.10 賀，基于幾

15、何特征的人臉識別算法的研究D，理工大學(xué)，2008.11 小華，卓，段錦等，復(fù)雜背景下的人像檢測J，小型計算機(jī)系統(tǒng)，2004.5.附件5.1主成分得分base = 1.0e+008 * Columns 1 through 11 2.6329 0.8763 0.0086 -0.0882 0.0405 -0.0770 0.0644 -0.0221 0.0396 -0.0163 -0.1441 2.9986 1.4161 0.2729 -0.2217 0.0676 -0.1080 0.0782 -0.0653 -0.0662 0.0026 -0.1124 2.8793 1.4669 0.2826 -0

16、.2695 -0.0305 -0.1469 -0.0108 -0.0492 -0.1012 0.0010 -0.1077 2.6048 0.2722 0.1063 -0.0223 0.0237 -0.1125 0.0058 -0.0397 0.0036 -0.0111 -0.1367 3.1558 1.5813 0.3401 -0.1148 -0.0200 -0.1440 0.0444 -0.0294 -0.0570 -0.0096 -0.1243 3.2030 1.5094 0.2563 -0.2254 -0.0211 -0.0225 0.0921 -0.0204 -0.0431 0.009

17、7 -0.1134 0.8791 1.4616 0.1148 -0.0403 0.1015 -0.0565 0.0050 -0.0408 0.0148 -0.0380 -0.0812 2.9833 1.5711 0.2504 -0.2350 -0.0318 -0.1369 0.0629 0.0287 -0.0345 -0.0202 -0.1084 2.9613 1.3839 0.2844 -0.2685 0.0071 -0.1035 0.1638 -0.0057 -0.0441 0.0172 -0.0989 3.2140 1.2902 0.3549 -0.2068 0.2058 -0.0168

18、 0.1151 -0.0375 -0.0989 -0.0061 -0.0672 3.1186 1.4918 0.4612 -0.1788 0.0144 -0.0908 0.0716 -0.0342 -0.0548 0.0117 -0.1118 2.7619 1.3750 0.4100 -0.3400 0.0824 -0.2688 -0.0635 -0.0159 0.0875 -0.0717 -0.1825 2.0077 0.7489 0.4344 -0.4392 0.1322 -0.0668 0.0137 -0.0532 0.0208 -0.0144 -0.1346 2.0570 0.8062

19、 0.5886 -0.3702 0.0818 -0.1007 -0.0430 -0.0742 -0.0062 -0.0434 -0.1046 2.7458 0.2052 0.2998 -0.2393 0.0617 -0.1919 -0.0632 -0.0454 0.0468 -0.0583 -0.1436 2.0629 0.8486 0.5265 -0.4267 0.0337 -0.1491 -0.0197 -0.0566 0.0108 -0.0482 -0.1447 2.0554 0.8159 0.5028 -0.4488 0.0517 -0.1372 0.0006 -0.0488 0.00

20、37 -0.0387 -0.1436 1.3587 1.4644 0.3496 -0.2860 0.1434 -0.1214 -0.0395 -0.0736 0.0423 -0.0821 -0.1845 2.1369 0.8794 0.6602 -0.3510 0.1017 -0.0711 0.0137 -0.0451 0.0393 -0.0482 -0.0933 2.1526 0.9354 0.7210 -0.2803 0.1743 -0.1341 -0.0229 -0.0271 0.0486 -0.0961 -0.0657 1.8341 0.8639 0.4807 -0.3225 -0.0

21、009 -0.1827 0.0448 -0.0267 0.0056 -0.0176 -0.1264 2.2966 0.6607 0.6044 -0.3403 0.2722 -0.0366 0.0291 -0.0230 -0.0529 -0.0408 -0.0822 2.1446 0.6002 0.5170 -0.0535 0.2148 -0.0355 0.0393 -0.0647 -0.0039 0.0609 -0.1119 1.9646 0.8585 0.6408 -0.3260 0.2783 -0.1395 -0.1646 -0.1447 0.1119 0.0506 -0.0715 2.4

22、799 1.2025 0.8161 -0.1911 0.1190 -0.1561 -0.0789 -0.0537 0.0176 0.0494 0.0098 2.1259 0.0307 0.3686 -0.0071 0.1374 -0.0773 -0.0023 -0.0050 0.0201 0.0510 -0.0852 2.5854 1.2450 0.7983 -0.2410 0.0694 -0.1399 -0.0489 -0.0371 0.0624 0.0655 -0.0382 2.5894 1.2568 0.8232 -0.2083 0.0695 -0.1424 -0.0596 -0.039

23、2 0.0602 0.0481 -0.0305 0.6590 1.1543 0.2556 0.0309 0.1449 -0.0293 -0.0615 -0.0023 0.0150 0.0040 -0.0135 2.5503 1.2157 0.7073 -0.2408 0.0141 -0.1205 -0.0418 -0.0526 -0.0057 0.0684 -0.0645 2.5602 1.1288 0.8132 -0.2129 0.1690 -0.1361 -0.0360 -0.0276 0.0343 0.0591 -0.0175 2.3552 1.2580 0.6608 -0.1971 -

24、0.0264 -0.1756 0.0832 -0.0513 0.0052 0.0905 -0.0895 2.6401 0.9021 0.6826 -0.2424 0.2490 -0.0620 0.0260 -0.0397 -0.0292 0.0600 -0.0173 1.9283 1.2043 0.4848 0.0868 0.0506 -0.3534 -0.0042 0.0268 0.0706 0.0254 -0.1405 1.7179 0.9504 0.5820 0.0043 0.1922 -0.2222 0.0517 -0.0046 0.0228 0.0632 -0.1282 1.6786

25、 1.1680 0.5608 0.0971 0.1558 -0.2947 0.0009 0.1170 -0.0069 -0.0230 -0.0697 2.5555 0.2660 0.2744 0.1221 0.1020 -0.1077 0.0664 0.0043 0.0486 0.0629 -0.1572 1.7454 1.0772 0.5843 0.0701 0.0999 -0.2495 0.0622 0.0653 -0.0045 0.0504 -0.1347 1.6260 1.1103 0.5433 0.1103 0.0913 -0.2810 0.0487 0.0829 -0.0036 0

26、.0381 -0.1100 0.6362 1.2468 0.2459 0.0493 0.1254 -0.0948 -0.0030 -0.0067 0.0250 -0.0075 -0.0576 1.6286 1.0885 0.5199 0.0822 0.0816 -0.2754 0.0639 0.0763 -0.0094 0.0556 -0.1177 1.8734 1.1049 0.6624 0.1057 0.1607 -0.2485 0.0541 0.0948 0.0162 -0.0109 -0.0926 1.7327 0.9120 0.4770 0.0442 0.1016 -0.1806 0

27、.1129 0.0328 -0.0431 0.0865 -0.1483 1.7867 0.7635 0.5941 0.0895 0.2710 -0.1644 0.0751 0.0692 -0.0742 0.0471 -0.1150 2.0656 0.8331 0.0333 -0.2527 0.1973 -0.1918 0.1006 -0.0082 0.0482 0.0017 -0.0903 1.9881 1.0143 0.1795 -0.4858 0.1546 -0.2709 0.1282 -0.0274 0.0464 -0.0415 -0.0524 1.9141 0.9588 0.2332

28、-0.5572 0.1702 -0.2451 0.1064 0.0148 0.0216 -0.0001 -0.0536 2.5402 0.2145 0.0939 -0.2522 0.2079 -0.2457 0.0549 -0.0103 0.0397 -0.0254 -0.0932 2.0547 0.9824 0.1718 -0.4957 0.1618 -0.2584 0.1593 0.0113 0.0555 -0.0204 -0.0580 2.0128 1.0037 0.1908 -0.5085 0.1677 -0.2692 0.1507 0.0220 0.0500 -0.0193 -0.0

29、547 0.6232 1.1826 0.0448 -0.1951 0.1869 -0.0899 0.0575 -0.0271 0.0246 -0.0168 -0.0556 2.0044 0.8420 0.2154 -0.5255 0.2184 -0.1931 0.1102 0.0360 0.0261 -0.0118 -0.0749 2.0198 0.9887 0.2460 -0.5048 0.1768 -0.2474 0.1364 0.0113 0.0407 -0.0075 -0.0674 1.8674 0.9333 0.2093 -0.4754 0.1565 -0.2677 0.1244 0

30、.0282 0.0291 0.0019 -0.0370 1.9592 0.9285 0.2133 -0.5142 0.1754 -0.2220 0.1406 0.0330 0.0278 -0.0132 -0.0530 2.7276 1.7209 0.1609 -0.1679 0.1592 -0.0954 0.0922 0.0094 0.1165 0.1313 -0.1936 1.5798 0.9836 0.3717 -0.3190 0.0470 -0.0542 0.0787 -0.0728 0.0611 0.0874 -0.0949 1.5996 0.9804 0.3177 -0.3100 0

31、.0036 -0.0448 0.0726 -0.0573 0.0674 0.0884 -0.0730 3.0944 0.6009 0.3174 -0.0815 0.0699 -0.2373 0.0709 0.0161 0.1079 0.0967 -0.0915 1.6412 1.0057 0.3665 -0.3077 0.0093 -0.0419 0.0825 -0.0314 0.0703 0.0873 -0.0974 1.6501 0.9848 0.3796 -0.3074 0.0179 -0.0362 0.0894 -0.0401 0.0684 0.0850 -0.0975 1.2199

32、1.7165 0.2884 -0.1715 0.2970 -0.0489 0.0289 -0.0760 0.0353 0.0366 -0.2209 1.5959 0.9754 0.4139 -0.2993 0.0342 -0.0540 0.0585 -0.0433 0.0461 0.0829 -0.1007 1.6958 1.0100 0.2656 -0.3008 0.0020 -0.0073 0.1271 -0.0176 0.0871 0.0892 -0.0850 1.5367 0.9379 0.3656 -0.3347 -0.0098 -0.0514 0.1543 -0.0328 0.03

33、48 0.0734 -0.0891 1.5415 0.9192 0.2658 -0.3055 0.0173 -0.0732 0.0946 -0.0457 0.0302 0.0794 -0.0819 1.2523 0.5431 0.4297 -0.3334 -0.0880 -0.1186 0.1114 -0.0356 -0.0285 0.0531 -0.1343 1.4095 1.0461 0.6394 -0.5676 -0.1161 -0.2731 0.0382 -0.0056 0.0315 0.0336 -0.1130 1.5941 1.0227 0.7117 -0.5903 -0.1327

34、 -0.2322 0.0024 -0.0163 -0.0145 0.0746 -0.1077 1.2204 -0.0005 0.3077 -0.2564 -0.0926 -0.1020 -0.0059 -0.0141 -0.0268 0.0199 -0.1381 1.6316 0.8286 0.8123 -0.4905 0.0070 -0.1799 -0.0075 0.0026 -0.0795 0.0419 -0.1573 1.6661 0.7678 0.8242 -0.4903 0.0445 -0.1548 0.0062 0.0021 -0.0901 0.0411 -0.1513 0.394

35、3 0.8802 0.3371 -0.2462 -0.0209 -0.1189 0.0551 -0.0421 -0.0336 0.0286 -0.0697 1.4168 1.0633 0.6963 -0.5449 -0.1009 -0.2879 0.0331 0.0545 -0.0103 0.0467 -0.1254 1.4887 0.9443 0.8198 -0.4915 0.0096 -0.2469 0.0128 0.0414 -0.0279 0.0304 -0.1203 1.3448 1.1239 0.6032 -0.3835 -0.1133 -0.3098 0.0334 0.0318

36、0.0157 -0.0216 -0.1614 1.8336 0.5248 0.5842 -0.5070 0.1833 -0.0619 0.0740 0.0078 -0.1008 0.0276 -0.1661 2.1502 1.4611 0.2603 -0.2750 0.1921 -0.3413 0.0192 -0.0136 0.0866 0.0502 -0.1523 1.9702 1.0119 0.5000 -0.3579 0.4540 -0.3178 -0.0013 -0.0112 -0.0194 0.1011 -0.1127 2.0812 0.9874 0.4281 -0.4428 0.3

37、099 -0.2445 0.0887 -0.1378 0.0058 0.0556 -0.1263 2.6615 0.4133 0.3749 -0.2035 0.2912 -0.2971 0.0195 -0.0515 -0.0143 0.0608 -0.0942 2.1013 1.1440 0.4784 -0.4067 0.2219 -0.3227 0.0659 -0.0160 0.0033 0.0492 -0.1647 1.9702 1.0119 0.5000 -0.3579 0.4540 -0.3178 -0.0013 -0.0112 -0.0194 0.1011 -0.1127 1.132

38、6 1.1284 0.4512 -0.1502 0.4936 -0.1334 0.0227 -0.0762 -0.0591 -0.0041 -0.1370 2.1818 0.9135 0.2622 -0.4279 0.3648 -0.1759 0.1061 -0.0629 0.0084 0.0703 -0.1403 2.1939 1.1281 0.5924 -0.3591 0.3677 -0.2355 0.0710 -0.0823 0.0551 0.0647 -0.1245 1.8181 0.9138 0.3659 -0.3819 0.2010 -0.2899 0.0772 -0.0962 -

39、0.0413 0.0617 -0.1343 2.0528 1.0301 0.5068 -0.3487 0.2721 -0.2895 0.0346 -0.1178 -0.0146 0.0617 -0.1449 2.5024 1.5065 0.4450 -0.3285 0.0924 -0.1657 -0.0419 0.0520 0.1587 0.0065 -0.1608 2.0890 1.0071 0.6385 -0.4690 0.2034 -0.0539 -0.0103 0.0210 0.0905 0.0313 -0.1232 2.1267 1.0984 0.5980 -0.4856 0.110

40、6 -0.0141 -0.0188 0.0497 0.0443 0.0452 -0.0936 2.7113 0.0038 0.3710 -0.2099 0.1094 -0.1159 -0.0438 0.0257 0.0923 -0.0088 -0.1295 2.2063 1.0279 0.5664 -0.4947 0.2039 0.0552 0.0133 0.1043 0.0646 0.0619 -0.1464 2.2063 1.0279 0.5664 -0.4947 0.2039 0.0552 0.0133 0.1043 0.0646 0.0619 -0.1464 1.0930 1.4935

41、 0.2772 -0.2361 0.3118 0.0394 -0.0255 0.0250 0.0387 -0.0043 -0.1519 2.1559 0.7870 0.6100 -0.4132 0.2569 0.0260 -0.0350 0.0901 -0.0132 0.0040 -0.1507 2.3149 0.8339 0.6451 -0.4068 0.3375 0.0731 0.0335 0.1192 0.0118 -0.0013 -0.1109 1.9776 1.1895 0.5281 -0.4869 0.0711 -0.1318 0.0630 0.0786 0.0903 0.0103

42、 -0.1265 2.2340 1.0175 0.4297 -0.4555 0.3355 0.0329 0.1200 0.1157 -0.0159 0.0433 -0.1352 2.2127 0.8365 0.7074 -0.1094 0.0857 -0.1545 0.1404 -0.0732 0.0633 0.0262 -0.1472 1.9448 0.9275 0.8504 -0.2172 0.0738 -0.1223 0.1889 -0.1006 0.0884 0.0034 -0.1399 1.9869 1.0184 0.9813 -0.2053 0.1403 -0.1412 0.158

43、6 -0.0306 0.0607 -0.0071 -0.0600 2.4922 0.3467 0.5562 -0.0382 0.0281 -0.1932 0.0538 -0.0335 0.0996 0.0056 -0.1658 1.9647 1.0177 0.9736 -0.1190 0.1639 -0.1533 0.2014 -0.0240 0.0650 -0.0595 -0.1123 2.0033 0.9335 0.9522 -0.2095 0.1818 -0.1126 0.2031 -0.0152 0.0536 -0.0266 -0.1094 1.1686 1.2672 0.7420 -

44、0.0657 0.2291 -0.0895 0.0723 -0.1314 0.0300 -0.0723 -0.1666 1.9770 1.0056 0.8984 -0.2369 0.0915 -0.1340 0.1878 -0.0419 0.0714 -0.0065 -0.1372 2.0073 1.0226 1.0014 -0.1243 0.2236 -0.1670 0.1700 0.0175 0.0673 -0.0661 -0.0700 2.0264 0.9861 0.7232 -0.1602 0.0593 -0.1024 0.2404 -0.0770 0.0385 0.0363 -0.1

45、506 2.0443 0.7237 0.7464 -0.1807 0.2214 -0.0311 0.3039 -0.0209 -0.0117 -0.0018 -0.1083 Columns 12 through 22 -0.0501 -0.0907 0.0129 0.0708 0.0046 0.0146 -0.0439 -0.0133 -0.0135 -0.0218 -0.0174 0.0006 -0.0353 -0.0147 0.0663 0.0171 0.0383 -0.0309 -0.0085 0.0211 -0.0422 -0.0066 0.0314 -0.0407 -0.0398 0.0142 0.0249 0.0317 -0.0170 -0.0256 -0.0091 -0.0091 -0.0101 -0.0178 -0.0815 0.0063 0.0193 0.0180 0.0217 -0.0296 -0.0044 0.0003 -0.0167 -0.0151 -0.0088 -0.0242 0.0026 -0.0198 0.0071 0.0283 0.0120 0.0102 0.0149 -0.0247 -0.0384