计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2009年
4期
169-172
,共4页
人脸识别%机器学习%反向传播神经网络%径向基函数神经网络%支持向量化%集成学习%比较
人臉識彆%機器學習%反嚮傳播神經網絡%徑嚮基函數神經網絡%支持嚮量化%集成學習%比較
인검식별%궤기학습%반향전파신경망락%경향기함수신경망락%지지향양화%집성학습%비교
BP神经网络、RBF神经网络、支持向量机(sVM)和集成学习是目前应用最为广泛的四种机器学习方法.将这四种常用的机器学习方法分别应用于人脸识别,并利用ORL人脸图像库对各学习方法性能进行了测试和评估.测试结果表明SVM和集成学习在实验中取得了较好的性能,最适合用于人脸识别中特征分类器.
BP神經網絡、RBF神經網絡、支持嚮量機(sVM)和集成學習是目前應用最為廣汎的四種機器學習方法.將這四種常用的機器學習方法分彆應用于人臉識彆,併利用ORL人臉圖像庫對各學習方法性能進行瞭測試和評估.測試結果錶明SVM和集成學習在實驗中取得瞭較好的性能,最適閤用于人臉識彆中特徵分類器.
BP신경망락、RBF신경망락、지지향량궤(sVM)화집성학습시목전응용최위엄범적사충궤기학습방법.장저사충상용적궤기학습방법분별응용우인검식별,병이용ORL인검도상고대각학습방법성능진행료측시화평고.측시결과표명SVM화집성학습재실험중취득료교호적성능,최괄합용우인검식별중특정분류기.
