华南金融电脑
華南金融電腦
화남금융전뇌
FINANCIAL COMPUTER OF HUANAN
2005年
8期
79-81
,共3页
人脸识别%统计学习理论%支持向量机%结构风险最小化原则
人臉識彆%統計學習理論%支持嚮量機%結構風險最小化原則
인검식별%통계학습이론%지지향량궤%결구풍험최소화원칙
支持向量机(SVM)是在统计学习理论(SLT)的基础上发展起来的一种新的机器学习方法,它基于结构风险最小化原则,能有效地解决过学习问题,具有良好的推广性能和较好的分类精确性.本文采用 SVM方法进行人脸识别研究,将人脸识别这一典型的多分类问题构造成适合 SVM处理的二分类问题,克服了传统 SVM方法在解决多分类问题上的一些缺陷.
支持嚮量機(SVM)是在統計學習理論(SLT)的基礎上髮展起來的一種新的機器學習方法,它基于結構風險最小化原則,能有效地解決過學習問題,具有良好的推廣性能和較好的分類精確性.本文採用 SVM方法進行人臉識彆研究,將人臉識彆這一典型的多分類問題構造成適閤 SVM處理的二分類問題,剋服瞭傳統 SVM方法在解決多分類問題上的一些缺陷.
지지향량궤(SVM)시재통계학습이론(SLT)적기출상발전기래적일충신적궤기학습방법,타기우결구풍험최소화원칙,능유효지해결과학습문제,구유량호적추엄성능화교호적분류정학성.본문채용 SVM방법진행인검식별연구,장인검식별저일전형적다분류문제구조성괄합 SVM처리적이분류문제,극복료전통 SVM방법재해결다분류문제상적일사결함.
