排序方式: 共有115条查询结果,搜索用时 321 毫秒
1.
基于统计学习理论的支持向量机(SVM)是一种新型的机器学习方法,描述了SVM在模式识别和回归估计中的基本思想。在大训练样本情况下,用传统的方法求解SVM问题计算复杂,针对该问题探讨了一系列的SVM训练算法,并对其进行了比较。SVM由于其良好的泛化能力和全局最优性能.在模式识别、数据挖掘、非线性系统建模和控制等领域中展现出广泛的应用前景。 相似文献
2.
3.
基于Top-hat变换与主成分分析的人脸识别方法 总被引:2,自引:2,他引:0
针对光照条件对人脸识别性能的影响,提出了一种利用Top-hat变换对特征提取前的人脸图像进行预处理的方法,减弱了外界光照对人脸特征提取的影响,并将该方法与基于主成分分析的特征提取方法和基于多类别分类器支持向量机的分类策略相结合,形成完整的人脸辨识算法.最后在ORL人脸库和YALE_B人脸库上,对该方法的识别率进行了测试,并与传统的基于主成分分析和最小近邻分类方法结合的人脸辨识方法进行了比较,得到了较好的结果. 相似文献
4.
由于人脸在不同的环境.背景等情况下有着不同的视觉效果,同时人脸本身有着细致复杂的模式变化,一般传统的检测方法都是针对正面五官清晰的人脸,而对于多姿态或小目标人脸检测效果不佳,由此提出了一种在光线补偿下基于人脸和头发几何约束的检测算法.该算法首先分别依据肤色和发色的色彩空间模型分割出目标区域,再利用几何约束特点检测出人脸.实验结果表明,相比于特征提取和模板匹配的人脸检测算法,该算法对于五官模糊的小目标人脸以及面部特征不齐全的多姿态人脸具有较高的检测精度. 相似文献
5.
6.
7.
8.
9.
10.