电视技术
電視技術
전시기술
TV ENGINEERING
2014年
1期
171-174
,共4页
加权多核学习%Fisher线性判别分析%最大边缘优化%权值最优化
加權多覈學習%Fisher線性判彆分析%最大邊緣優化%權值最優化
가권다핵학습%Fisher선성판별분석%최대변연우화%권치최우화
weighting multiple kernel learning%FLDA%margin maximization criterion%weight optimization
模式识别技术的应用及研究表明,单核学习在人脸识别中的应用已经很成熟,但是,在单核学习中分类的效果并不是很好.基于此,提出了一种多核构造方法,即基于加权多核学习的FLDA方法(WMKL-FLDA),通过一系列带有权值约束的基本内核线性组合构建内核,并且利用权值优化迭代方案对最大边缘准则(MMC)进行优化.在FERET及CMU PIE人脸数据库上的实验表明,与以往的单核FLDA方法相比,提出的多核学习方法不仅实现了更高的识别性能,在构造内核方面也放松了参数的选择要求.
模式識彆技術的應用及研究錶明,單覈學習在人臉識彆中的應用已經很成熟,但是,在單覈學習中分類的效果併不是很好.基于此,提齣瞭一種多覈構造方法,即基于加權多覈學習的FLDA方法(WMKL-FLDA),通過一繫列帶有權值約束的基本內覈線性組閤構建內覈,併且利用權值優化迭代方案對最大邊緣準則(MMC)進行優化.在FERET及CMU PIE人臉數據庫上的實驗錶明,與以往的單覈FLDA方法相比,提齣的多覈學習方法不僅實現瞭更高的識彆性能,在構造內覈方麵也放鬆瞭參數的選擇要求.
모식식별기술적응용급연구표명,단핵학습재인검식별중적응용이경흔성숙,단시,재단핵학습중분류적효과병불시흔호.기우차,제출료일충다핵구조방법,즉기우가권다핵학습적FLDA방법(WMKL-FLDA),통과일계렬대유권치약속적기본내핵선성조합구건내핵,병차이용권치우화질대방안대최대변연준칙(MMC)진행우화.재FERET급CMU PIE인검수거고상적실험표명,여이왕적단핵FLDA방법상비,제출적다핵학습방법불부실현료경고적식별성능,재구조내핵방면야방송료삼수적선택요구.