基于SVM的人臉識別增量學(xué)習算法研究.pdf

1、傳統(tǒng)的人臉識別系統(tǒng)可以在樣本充足的數(shù)據(jù)庫上取得良好的識別性能，但使用樣本稀疏或舊的數(shù)據(jù)庫時識別率會大幅下降。這就需要一種可以針對這種較差條件數(shù)據(jù)庫進行良好識別的學(xué)習方法。而增量學(xué)習充分利用歷史訓(xùn)練結(jié)果的學(xué)習方式則正好可以有效地解決這一困難，它能隨著新增樣本的增加逐漸提高學(xué)習精度。本文在現(xiàn)有的人臉識別及其增量學(xué)習算法的基礎(chǔ)上，提出了一種基于球環(huán)向量的支持向量機增量學(xué)習算法，并基于該算法建立了一個具有增量學(xué)習能力的人臉識別系統(tǒng)。其主要內(nèi)容如

2、下：
　　 ⑴比較了兩種子空間維數(shù)確定準則下的增量主成分分析算法，并證明基于特征值貢獻率的增量主成分分析算法可以在保證系統(tǒng)識別率的前提下，有效控制子空間的維數(shù)，提高系統(tǒng)學(xué)習效率。
　　 ⑵提出了基于球環(huán)向量的支持向量機增量學(xué)習算法。該算法先抽取出可能成為支持向量的球環(huán)向量，減少了訓(xùn)練樣本的數(shù)目，提高了系統(tǒng)的訓(xùn)練速度，然后以KKT（Karush-Kuhn-Tucker）條件為停機準則實現(xiàn)支持向量機對新增樣本的增量學(xué)習。