支持向量機(jī)在人臉識別中的應(yīng)用.pdf

1、支持向量機(jī)方法具有全局最優(yōu)、結(jié)構(gòu)簡單、推廣能力強(qiáng)等優(yōu)點(diǎn)，因此作為結(jié)構(gòu)風(fēng)險(xiǎn)最小化準(zhǔn)則的具體實(shí)現(xiàn)，最近幾年得到了廣泛的研究與發(fā)展。支持向量機(jī)是一種新的機(jī)器學(xué)習(xí)算法，目前國內(nèi)外對它的研究還存在不足。本文針對于人臉數(shù)據(jù)庫，對兩種支持向量機(jī)算法進(jìn)行了改進(jìn)。一是針對于最臨近支持向量機(jī)，改進(jìn)算法實(shí)現(xiàn)了更快、更適合應(yīng)用于小樣本的生物特征識別當(dāng)中；另外針對于多面的最臨近支持向量機(jī)的高維小樣本奇異問題、多類問題也進(jìn)行了改進(jìn)和完善，使其更適合解決人臉識別的問

2、題。
　　本文的研究內(nèi)容主要包括以下幾個(gè)方面：
　　(1)對支持向量機(jī)算法和人臉識別的研究現(xiàn)狀和發(fā)展?fàn)顩r都進(jìn)行了深入的研究，并實(shí)現(xiàn)了幾種常用的支持向量機(jī)。同時(shí)也研究了幾種分類器，如最近鄰分類器、最近特征線、線性和非線性支持向量機(jī)分類器，并實(shí)現(xiàn)對相同人臉數(shù)據(jù)庫實(shí)驗(yàn)結(jié)果的對比。
　　(2)深入研究了最臨近支持向量機(jī)，并對其進(jìn)行了改進(jìn)，使其適合對小樣本高維數(shù)據(jù)進(jìn)行分類，同時(shí)也實(shí)現(xiàn)了其多類算法。采用幾種典型的泛化線性鑒別分析方

3、法，分線性和非線性兩種方式對數(shù)據(jù)庫中的人臉圖像進(jìn)行特征提取。
　　(3)詳細(xì)研究了基于泛化特征值問題的多面最臨近支持向量機(jī)，它對小樣本、多類的問題沒有給出解決方法。本文把原算法作以改進(jìn)，即把求解最小優(yōu)化問題變成了求解最大優(yōu)化問題，解決了因人臉數(shù)據(jù)維數(shù)高、樣本數(shù)小而產(chǎn)生的奇異值問題。同時(shí)也實(shí)現(xiàn)了其多類算法，找出在生物特征識別中應(yīng)用比較出色的多類算法。并用原算法和改進(jìn)的算法來分別對四個(gè)公開的人臉數(shù)據(jù)庫進(jìn)行分類比較，從識別率和所用的處理