| 基于LLE和SVM的人像识别方法 |
| |
| 引用本文： | 郭锋,刘丽丽,吕凝. 基于LLE和SVM的人像识别方法[J]. 长春邮电学院学报, 2008, 0(1): 48-54 |
| |
| 作者姓名： | 郭锋 刘丽丽 吕凝 |
| |
| 作者单位： | 长春工业大学计算机科学与工程学院,长春130012 |
| |
| 基金项目： | 吉林省科技发展计划重点基金资助项目（20060330） |
| |
| 摘 要： | 在人像识别方面，传统的特征提取方法大都是线性的，不能很好地保持样本的拓扑结构。支持向量机能提高学习的泛化能力，防止过学习，是一种很好的分类器。为此，提出一种增强的LLE（Locally Linear Embedding）和SVM（Support Vector Machine）结合的人像识别方法，采用PCA（Pfincipal Component Analysis）与LLE相结合算法，对光照归一化处理过的人脸图像进行特征提取，利用SVM的分类机制对人脸图像样本集进行训练和识别。在ORL（Olivetti Research Laboratory）人脸数据库上实验表明，该算法稳健、快速，识别率达到了90％以上。
|
| 关 键 词： | 人脸识别 局部线性嵌入 主成分分析法 支持向量机 |
Face Recognition Based on LLE and SVM |
| |
| Affiliation: | GUO Feng, LIU Li-li, LU Ning (College of Computer Science and Engineering, Changehun University of Technology, Changehun 130012, China) |
| |
| Abstract: | For face recognition, most of the traditional methods which reduce the high dimensional data are linear. Support vector machine can enhance the generation ability of study, and can overcome the disadvantage of overfitting. The paper proposes a method for face recognition using the enhanced LLE （Locally Linear Embedding） and SVM （Support Vector Machine）. After extracting the features of the pre-processing face images using PCA （ Principal Component Analysis） and LLE, we train the feature sets and recognize the faces with the classification methods of SVM. Experiment results on ORL （Olivetti Research Laboratory） database demonstrate that the algorithm is effective. |
| |
| Keywords: | face recognition locally linear embedding （LLE） principal component analysis （PCA） support vector machine （SVM） |
| 本文献已被 维普 等数据库收录！ |
