基于混合核函數(shù)支持向量機的人臉識別方法研究.pdf

1、支持向量機（Support Vector Machine，SVM）是在統(tǒng)計學習理論上發(fā)展起來的一種新型機器學習方法，用于解決模式識別領(lǐng)域中小樣本、非線性、超高維等問題，在處理泛化性能和學習性能等方面表現(xiàn)出明顯的優(yōu)勢，是一種強有力的分類工具。近年來，基于支持向量機的人臉識別是非常活躍的研究課題和科技熱點之一。 本文從人臉識別的基本原理和系統(tǒng)構(gòu)成出發(fā)，重點研究了運用核獨立成分分析方法實現(xiàn)人臉特征提取的方法，以及混合核函數(shù)支持向量機人

2、臉識別技術(shù)。 首先介紹了人臉識別技術(shù)、發(fā)展狀況及系統(tǒng)構(gòu)成，然后在詳細介紹獨立成分分析方法的基本原理的基礎(chǔ)上，給出了核獨立成分分析方法，并用于實現(xiàn)人臉特征提取。最后重點研究了支持向量機方法和核函數(shù)方法，為了滿足全局性和局部性、泛化性能和學習性能的要求，構(gòu)造出一種新的混合核函數(shù)，并針對人臉識別的多分類和非線性等問題，將混合核函數(shù)與支持向量機方法相結(jié)合，實現(xiàn)人臉分類識別。 通過在ORL人臉數(shù)據(jù)庫和Yale人臉數(shù)據(jù)庫上進行實驗驗