计算机工程
計算機工程
계산궤공정
COMPUTER ENGINEERING
2012年
19期
175-178
,共4页
人脸检测%特征提取%人脸识别%聚类算法%神经网络%主元分析
人臉檢測%特徵提取%人臉識彆%聚類算法%神經網絡%主元分析
인검검측%특정제취%인검식별%취류산법%신경망락%주원분석
针对高维、小样本的分类问题,提出2个重要的准则,用于估计RBF单元的初始宽度.采用主成分分析方法把训练样本集投影到特征脸空间,以减少维数,用Fisher线性判别式产生一组最具判别性的特征,使不同类间的训练数据尽可能地分开,而同一类的样本尽可能地靠近.实验结果证明,该算法在分类的错误率及学习的效率上都表现出较好的性能.
針對高維、小樣本的分類問題,提齣2箇重要的準則,用于估計RBF單元的初始寬度.採用主成分分析方法把訓練樣本集投影到特徵臉空間,以減少維數,用Fisher線性判彆式產生一組最具判彆性的特徵,使不同類間的訓練數據儘可能地分開,而同一類的樣本儘可能地靠近.實驗結果證明,該算法在分類的錯誤率及學習的效率上都錶現齣較好的性能.
침대고유、소양본적분류문제,제출2개중요적준칙,용우고계RBF단원적초시관도.채용주성분분석방법파훈련양본집투영도특정검공간,이감소유수,용Fisher선성판별식산생일조최구판별성적특정,사불동류간적훈련수거진가능지분개,이동일류적양본진가능지고근.실험결과증명,해산법재분류적착오솔급학습적효솔상도표현출교호적성능.