不同核條件下的支持向量機算法研究及驗證.pdf

1、支持向量機是在統(tǒng)計學(xué)習(xí)理論基礎(chǔ)上發(fā)展起來的一種新的機器學(xué)習(xí)方法，具有理論完備、適應(yīng)性強、全局優(yōu)化、訓(xùn)練時間短、泛化性能好等優(yōu)點，自提出以來，一直受到人們的關(guān)注，已經(jīng)被廣泛應(yīng)用到模式識別和回歸等問題中，其中人臉識別是模式識別問題中一個非常典型的應(yīng)用。人臉識別同其他基于生物特征的鑒別方法相比，具有友好，采樣方便，使用者無心理負(fù)擔(dān)等優(yōu)點，加上現(xiàn)代圖像通訊的迫切要求，對人臉識別技術(shù)的研究有著重要的意義。本文主要工作內(nèi)容如下:
　　 1)

2、支持向量機是目前比較流行的模式識別方法，在解決小樣本、非線性及高維模式識別問題中表現(xiàn)出許多特有的優(yōu)勢。在傳統(tǒng)支持向量機中，樣本間的相似程度是用內(nèi)積來表達(dá)和評估的。本文通過對核函數(shù)及其參數(shù)選擇的研究，提出了一種使用距離來衡量樣本間相似性的核方法，該距離選用歐幾里德距離。在ORL、Yale、Essex三種不同的人臉庫上的實驗結(jié)果均表明，基于此核函數(shù)的支持向量機算法與其他常用的核函數(shù)相比較，在識別時間并沒有增加的情況下，識別率得到了提高。

3、r>　　 2)針對人臉類別增多識別率下降較明顯的問題，本文引入一種條件正定核。該核函數(shù)不滿足Mercer核條件，但是可以用于核方法學(xué)習(xí)。本文從理論上證明了該核函數(shù)比基于點積的核函數(shù)更加有效，同時通過人臉識別實驗，進(jìn)一步說明基于該核函數(shù)的支持向量機算法的可行性和有效性，識別率高于其它核函數(shù)。
　　 3)鑒于使用原始人臉圖像進(jìn)行實驗所需時間較長，效率較低，論文采用多種不同的圖像處理方法對人臉圖像降維，通過實驗選取降維效果最好的方法