基于混合核函数支持向量机的人脸识别方法研究

基于混合核函数支持向量机的人脸识别方法研究

ID:32468354

大小:3.69 MB

页数:48页

时间:2019-02-06

基于混合核函数支持向量机的人脸识别方法研究_第1页
基于混合核函数支持向量机的人脸识别方法研究_第2页
基于混合核函数支持向量机的人脸识别方法研究_第3页
基于混合核函数支持向量机的人脸识别方法研究_第4页
基于混合核函数支持向量机的人脸识别方法研究_第5页
资源描述:

《基于混合核函数支持向量机的人脸识别方法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、武汉科技大学硕士学位论文第1页摘要支持向量机(SupraV&torMachine,SVM)是在统计学习理论上发展起来的一种新型机器学习方法,用于解决模式识别领域中小样本、非线性、超高维等问题,在处理泛化性能和学习性能等方面表现出明显的优势,是一种强有力的分类工具。近年来,基于支持向量机的人脸识别是非常活跃的研究课题和科技热点之一。本文从人脸识别的基本原理和系统构成出发,重点研究了运用核独立成分分析方法实现人脸特征提取的方法,以及混合核函数支持向量机人脸识别技术。首先介绍了人脸识别技术、发展状况及系统构成

2、,然后在详细介绍独立成分分析方法的基本原理的基础上,给出了核独立成分分析方法,并用于实现人脸特征提取。最后重点研究了支持向量机方法和核函数方法,为了满足全局性和局部性、泛化性能和学习性能的要求,构造出一种新的混合核函数,并针对人脸识别的多分类和非线性等问题,将混合核函数与支持向量机方法相结合,实现人脸分类识别。通过在ORL人脸数据库和Yale人脸数据库上进行实验验证了算法的有效性。实验结果表明将ⅪCA用于人脸特征提取能较好地克服光影以及角度变化的影响,具有良好的非线性适应能力,基于混合核函数SVM的人脸

3、分类识别效果优于其他分类识别方法。关键词:人脸识别;支持向量机(SⅥⅥ);独立成分分析(ICA);核函数;特征提取第1I页武汉科技大学硕士学位论文AbstractSupportvectormachineisanewmachine·learningmethoddevelopedonstatisticslearningtheory.Itisusedtoresolvetheproblemssuch8.8small-samples,nonlinearandhyper-highdimensioninpattern

4、recognitiondomain.Anditshowsoutstandingadvantagesintreatinggeneralizationandlearningperformances.Itisacogentclassificationinstrument.111efacerecognitionbasedonsupportvectormachineisoneoftheactiveresearchtopicsandhotspotofscienceandtechnologyinrecentyears

5、.Thebasictheoryandsystemcomposingoffacerecognitionwereintroducedfirstlyinthispaper.ThenthemethodofkernelindependentcomponentanalysisusedinfacefeaturesextractionandthefacerecognitiontechnologyofmixturekernelsfunctionSVMwereemphasized.Firstly,weintroducedt

6、hefacerecognitiontechnology,developmentalstatusandsystemcomposing.Then.themethodofKICAwhichWasimplementedinfacefeaturesextractionwerepresentedafterthemethodofICAwereintroduceddetailed.Intheend,themethodofSVMandkernelfunctionwerestudiedparticularly.Toobta

7、inthelocalandgloabal,generalizationandlearningperformancesquired,weconstructedanewmixturekernelsfunctionwhichwecombinedwithSVMmethodtoimplementfaceclassificationandrecognitioninaccordancewiththeproblemsofmulti—classificationandnonlinearinfacerecognition.

8、。,nlefeasibilityofthealgorithmWasdemonstratedbyexperimentonORLfacedatabase.TheexperimentalresultsshowedthatKICAusedinfacefeaturesextractionCallbetterovercometheeffectoflightandshadeaswellasanglesvariation,alsowithaencourag

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。