模糊支持向量機(jī)在人臉識(shí)別中的應(yīng)用研究.pdf

1、模糊支持向量機(jī)是在支持向量機(jī)的基礎(chǔ)上引入模糊隸屬度函數(shù)發(fā)展而來(lái)的，一定程度上解決了支持向量機(jī)的一些局限問題，并被廣泛應(yīng)用于模式識(shí)別和人工智能領(lǐng)域。它也是人臉識(shí)別的一個(gè)重要手段。因此，優(yōu)化模糊支持向量機(jī)算法，通過(guò)更好的構(gòu)造模糊支持向量機(jī)分類器以提高分類識(shí)別率，從而能更好的應(yīng)用于人臉識(shí)別。本文針對(duì)這一思想展開工作，主要包括以下三個(gè)方面的內(nèi)容:
　　 1、核函數(shù)在模糊支持向量機(jī)中重要的內(nèi)容，而且模糊支持向量機(jī)的許多特性又是由所選擇的核

2、函數(shù)所確定的。而核函數(shù)總體上可劃分為局部核函數(shù)和全局核函數(shù)，它們都有各自的優(yōu)缺點(diǎn)。本文把兩個(gè)或是多個(gè)函數(shù)的優(yōu)點(diǎn)組合起來(lái)，構(gòu)成混合核函數(shù)。以使混合核函數(shù)具備全局核函數(shù)強(qiáng)外推能力與局部核函數(shù)強(qiáng)學(xué)習(xí)能力的優(yōu)點(diǎn)。并把此混合核函數(shù)應(yīng)用于模糊支持向量機(jī)中，用Iris數(shù)據(jù)集和Wine數(shù)據(jù)集驗(yàn)證該方法的有效性。
　　 2、同樣，用二次規(guī)化問題求解的權(quán)重和偏移量也是影響模糊支持向量機(jī)分類性能原因之一，偏移量過(guò)大或是偏小，對(duì)最優(yōu)分類面位置及分類性能

3、都會(huì)有直接的影響。本文進(jìn)一步提出一種新的求偏移量的方法，由此新偏移量構(gòu)成的最優(yōu)分類面，經(jīng)由ORL人臉數(shù)據(jù)集和Iris數(shù)據(jù)集及Wine數(shù)據(jù)集驗(yàn)證其分類性能得到了一定程度的提高。
　　 3、核方法提供了一個(gè)線性方法到非線性推廣的訓(xùn)練方法。模糊支持向量機(jī)、核主成成分分析以及Fisher核判別式都是較為成熟的一些核方法。然而這些核方法不能自動(dòng)選擇核參數(shù)，本文研究基于最優(yōu)分類標(biāo)準(zhǔn)的自適應(yīng)核學(xué)習(xí)方法，而這種標(biāo)準(zhǔn)類似于線性鑒別分析和核Fish