幾種新型分類器設(shè)計及其在人臉識別應(yīng)用中的研究.pdf

1、南京理工大學博士學位論文幾種新型分類器設(shè)計及其在人臉識別應(yīng)用中的研究姓名：周曉飛申請學位級別：博士專業(yè)：計算機應(yīng)用技術(shù)指導教師：楊靜宇20080401摘要博Ij論文集樣本對樣本分布的有效估計。在MITCBCL人臉識別數(shù)據(jù)庫的trainingsynthetic子庫的實驗中，基于子空間樣本選擇的最近鄰凸包分類器取得了較好的實驗效果，與未經(jīng)選樣的最近鄰凸包分類器相比，該算法只需選擇較少的樣本就可以保證分類器的100％的識別率，并且算法的執(zhí)行時

2、間大大縮短。核最近鄰凸包分類器同最近鄰凸包分類器一樣也涉及凸二次規(guī)劃問題的求解，因此，本文提出基于核子空間樣本選擇的核最近鄰凸包分類器。核子空間樣本選擇方法是子空間樣本選擇方法在核空間的推廣。我們將該選樣算法與核最近鄰凸包分類器相結(jié)合應(yīng)用于人臉識別，在MITCBCL人臉識別數(shù)據(jù)庫的trainingsynthetic子庫上，該結(jié)合方法取得了較好的實驗效果。實驗結(jié)果充分證實了這種基于核子空間樣本選擇的核最近鄰分類器是可行和有效的。本文提出一

3、種新的線性分類器——仿射子空間最近點分類器。該分類器受支持向量機的幾何解釋和最近點問題啟發(fā)，將支持向量機最近點法的最近點搜索區(qū)域由兩類訓練集凸包推廣到兩類訓練樣本各自張成的仿射子空間，以仿射子空間作為樣本分布的粗略估計，并通過仿射子空間中的最近點對來構(gòu)造平分仿射子空間間隔的最優(yōu)分類超平面。該算法在Yale、ORL和Harvard人臉數(shù)據(jù)庫上的比較實驗中取得了較好的識別效果。本文進一步將仿射子空間最近點分類器推廣為基于核的仿射子空間最近點