计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2012年
2期
203-206,240
,共5页
径向基%线性分类%线性判别式%聚类算法
徑嚮基%線性分類%線性判彆式%聚類算法
경향기%선성분류%선성판별식%취류산법
提出了一个通用而且有效的方法来设计RBF神经网络分类器用于人脸识别.为了避免过拟合和减少计算量,用主元分析法和Fisher线性判别技术来降低维数,以提取人脸特征；利用一个混合的学习算法来训练RBF神经网络,使梯度下降法的搜索空间大大减少；采用一种基于训练样本类别信息的新的聚类算法,所有同类的数据可被聚集在一起,尽量减少不同类数据混杂在一起,同时选取结构尽可能紧凑的RBF神经网络分类器.在ORL数据库上进行了仿真,实验结果表明,该算法具有高效性和有效性.
提齣瞭一箇通用而且有效的方法來設計RBF神經網絡分類器用于人臉識彆.為瞭避免過擬閤和減少計算量,用主元分析法和Fisher線性判彆技術來降低維數,以提取人臉特徵；利用一箇混閤的學習算法來訓練RBF神經網絡,使梯度下降法的搜索空間大大減少；採用一種基于訓練樣本類彆信息的新的聚類算法,所有同類的數據可被聚集在一起,儘量減少不同類數據混雜在一起,同時選取結構儘可能緊湊的RBF神經網絡分類器.在ORL數據庫上進行瞭倣真,實驗結果錶明,該算法具有高效性和有效性.
제출료일개통용이차유효적방법래설계RBF신경망락분류기용우인검식별.위료피면과의합화감소계산량,용주원분석법화Fisher선성판별기술래강저유수,이제취인검특정；이용일개혼합적학습산법래훈련RBF신경망락,사제도하강법적수색공간대대감소；채용일충기우훈련양본유별신식적신적취류산법,소유동류적수거가피취집재일기,진량감소불동류수거혼잡재일기,동시선취결구진가능긴주적RBF신경망락분류기.재ORL수거고상진행료방진,실험결과표명,해산법구유고효성화유효성.
