计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2008年
9期
202-204,216
,共4页
郭锋%吕凝%陈绵书%刘丽丽
郭鋒%呂凝%陳綿書%劉麗麗
곽봉%려응%진면서%류려려
人脸识别%有监督近邻保持嵌入(SNPE)%支持向量机(SVM)
人臉識彆%有鑑督近鄰保持嵌入(SNPE)%支持嚮量機(SVM)
인검식별%유감독근린보지감입(SNPE)%지지향량궤(SVM)
在人脸识别方面,传统的特征提取方法大都是线性方法,不能很好保持样本的拓扑结构.分类方面,支持向量机能够尽量提高学习的泛化能力,防止过学习,是一种很好的分类器.提出了一种基于SNPE和SVM的人脸识别方法.采用有监督模式确定NPE算法中的K值.SNPE算法旨在保持数据的局部流型结构,而且相对于近期提出的LLE算法,它能够适用于训练样本和测试样本,具有更大的实用型.结合两分类支持向量机级联模型进行人脸识别,在ORL人脸数据库上实验表明,算法具有稳健性、快速性等优点,实验效果令人满意.
在人臉識彆方麵,傳統的特徵提取方法大都是線性方法,不能很好保持樣本的拓撲結構.分類方麵,支持嚮量機能夠儘量提高學習的汎化能力,防止過學習,是一種很好的分類器.提齣瞭一種基于SNPE和SVM的人臉識彆方法.採用有鑑督模式確定NPE算法中的K值.SNPE算法旨在保持數據的跼部流型結構,而且相對于近期提齣的LLE算法,它能夠適用于訓練樣本和測試樣本,具有更大的實用型.結閤兩分類支持嚮量機級聯模型進行人臉識彆,在ORL人臉數據庫上實驗錶明,算法具有穩健性、快速性等優點,實驗效果令人滿意.
재인검식별방면,전통적특정제취방법대도시선성방법,불능흔호보지양본적탁복결구.분류방면,지지향량궤능구진량제고학습적범화능력,방지과학습,시일충흔호적분류기.제출료일충기우SNPE화SVM적인검식별방법.채용유감독모식학정NPE산법중적K치.SNPE산법지재보지수거적국부류형결구,이차상대우근기제출적LLE산법,타능구괄용우훈련양본화측시양본,구유경대적실용형.결합량분류지지향량궤급련모형진행인검식별,재ORL인검수거고상실험표명,산법구유은건성、쾌속성등우점,실험효과령인만의.
