共查询到20条相似文献,搜索用时 0 毫秒
1.
基于支撑向量机的人脸识别技术 总被引:12,自引:0,他引:12
文中提出了一种基于支撑向量的人脸识别方法。该方法与传统方法相比,克服了后者固有的过学习和欠学习问题,并且对复杂模式的能力强,达到了很高的人脸识识别率。在对训练图像进行预处理之后,使用主成分析方法对人脸图像进行特征提取和选择,用所选择的人脸特征向最训练多个支撑向量机,最后用训练好的支撑向量机进行人脸识别。文中将支撑向量机性能和传统方法进行了对比,并且对不同核函数的支撑向量机的性能也进行了对比。发现当特征脸数量不同时,不同核函数支撑向量机的性能也不同。总体而言,二阶多项式支撑向量机在人脸识别问题中具有更好的性能。 相似文献
2.
3.
4.
为了实现对具有不同光照、姿势和噪声的人脸进行识别并提高识别精度,设计了一种基于离散小波变换和最小二乘支持向量机的人脸识别方法。首先,采用二维离散小波变换对人脸图像进行压缩和降噪,以提取低频特征信息分量,然后采用快速独立成分分析法ICA对经过离散小波变换后的人脸低频分量进行特征提取,以进一步减少人脸特征向量维数。在获取图像特征向量的基础上,采用径向基函数作为核函数,将训练样本数据输入最小二乘支持向量机进行训练以获得最终的分类模型。在ORL数据库下采用MATLAB仿真工具进行仿真,实验结果表明,该方法能有效地实现对人脸识别,与其他方法相比具有较高的识别精度。 相似文献
5.
6.
基于主成分分析的支持向量机回归预测模型 总被引:2,自引:0,他引:2
首先利用主成分分析法降低样本数据的维数,建立主成分的多元回归预测模型,其次利用支持向量机方法确定回归模型的系数,最后实例说明了该模型具有较高预测精度. 相似文献
7.
8.
9.
10.
11.
提出了一种基于图片分割的人脸特征提取方法,该方法利用二维离散余弦变换对每个子图进行分解,并提取其中最具代表性的系数作为该子图的特征,文中构造了一对多的支持向量机作为分类器来识别不同的人脸。基于ORL人脸数据库对算法性能进行了模拟,实验结果表明,所提出的算法实现简单,并具有较好的性能。 相似文献
12.
基于LLE和LS-SVM的人脸识别方法 总被引:2,自引:2,他引:0
为了提高人脸识别的速度,提出了一种基于局部线性嵌套(LLE)和最小二乘支持向量机(LS-SVM)的人脸识别方法.该方法采用主成分分析(PCA)和LLE相结合的算法,对归一化处理过的人脸图像进行特征提取,利用LS-SVM对人脸图像样本集进行训练和识别,以提高识别的速度.最后将本文方法在ORL人脸数据库上进行试验,结果表明,人脸识别的速度有了一定的提高,识别率达到了90%以上. 相似文献
13.
14.
基于小波分解和支持向量机的准正面人脸识别方法 总被引:5,自引:0,他引:5
基于小波分解提取人脸特征技术和多分类支持向量机模型,提出了一种新的准正面人脸识别算法。小波分解提取人脸特征具有对表情变化不敏感的特点;支持向量机作为分类器被认为具有很高的推广(generalization)性能,无需先验知识。在所提出的算法中,首先对训练图像进行预处理,然后使用小波分解方法对人脸图像进行特征提取,用所提取的人脸特征向量训练多分类支持向量机模型,最后用训练好的支持向量机进行人脸识别。利用ORL人脸图像库对该算法的实验测试结果,以及与其它人脸识别方法的比较结果表明了该算法在识别性能方面的优越性。 相似文献
15.
现有的入侵检测算法存在小样本情况下泛化能力差的问题。提出了利用核主成分分析和支持向量机结合进行入侵检测的方法。与传统算法相比,该方法对网络异常连接有很高的检测率、更强的泛化能力和更快的处理时间。最后在KDD CUP99数据集上进行的实验,证明了方法的适用性和高效性。 相似文献
16.
随着计算机硬件技术的进步和改善、人脸识别算法的优化与改进,人脸识别技术逐渐成熟并在智慧校园中得到广泛应用.人脸识别技术研究的难点主要体现在特征提取和分类识别两个方面.本文研究人脸识别技术主成分分析法(Principal Component Analysis,PCA)的工作原理,并对它的数学解析进行推导.在以PCA算法为... 相似文献
17.
针对支持向量机中的核函数选择和参数优化问题进行研究,结合局部性函数和全局性核函数的特点,形成由高斯核函数和多项式核函数构成的混合核函数,并运用于人脸识别,仿真实验结果证明了混合核函数的具有较高的识别率。 相似文献
18.
采用图像处理技术,提出了一种基于核主成分分析(KPCA)与支持向量机(SVM)的鱼年龄自动识别新方法。首先通过KPCA提取鱼的耳石图像的主元,然后用SVM对鱼的年龄进行学习、识别和预测。实验表明,该方法取得了较好的效果。 相似文献
19.
20.
在人脸识别过程中,基于2DPCA特征提取方法具有直接、高效等特点。但它只包含了二阶统计信息,因而丢失了可能对分类很有用的高阶统计信息而使识别率受到一定影响。SVM采取升维的方法把线性不可分问题转变为线性可分问题,识别率较高,但直接对图像分类时运算量大、运行时间长。文章结合两者的优点,使用了2DPCA和SVM相结合的人脸识别方法,即先利用2DPCA进行特征提取,然后把降维后的数据输入SVM进行分类识别。该方法在ORL、YALE人脸库上的实验表明,不但可以提高识别率,而且所用时间明显减少。 相似文献