期刊文献+

人脸识别中的核方法

The Kernel Method Applied to Face Recognition
下载PDF
导出
摘要 对人脸识别的关键技术和核方法的主要特点进行了简单的分析.指出:将核方法应用于人脸识别中,在特征提取的效率和识别的泛化能力等方面具备技术上的优势.结合国内外相关研究成果,介绍了可应用于人脸识别的三种核方法:基于核的主成分分析(KPCA)、支持向量机(SVM)和基于支持向量的数据描述(SVDD).文章的最后给出了一个应用实例以说明核方法在人脸识别领域中的有效性. Some key technologies in face recognition and the main characteristics of the kernel method are analyzed briefly. It is technologically advantageous to adopt the kernel method in the process of face recognition in terms of the efficiency of feature extraction and the generalization ability of classification. Combined with the latest research results, three methods based on kernel that can be used in face recognition are introduced: KPCA, SVM and SVDD. At the end of the paper, an example is given to show the validity of the kernel method in the application of face recognition.
作者 肖健华
出处 《五邑大学学报(自然科学版)》 CAS 2005年第2期7-12,共6页 Journal of Wuyi University(Natural Science Edition)
基金 广东省自然科学基金项目(032353).
关键词 核方法 人脸识别 支持向量机 主成分分析 数据描述 kernel method face recognition support vector machine principal component analysis data description
  • 相关文献

参考文献7

  • 1张翠平,苏光大.人脸识别技术综述[J].中国图象图形学报(A辑),2000,5(11):885-894. 被引量:258
  • 2李华胜,杨桦,袁保宗.人脸识别系统中的特征提取[J].北方交通大学学报,2001,25(2):18-21. 被引量:41
  • 3K R Muller, S Mika. G. Ratsch, et al. An Introduction to Kernel-Based Learning Algorithms[J]. IEEE Trans.on Neural Networks. 2001, 12(2): 181-201.
  • 4V Vapnik. The Nature of Statistical Learning Theory[J]. New York: Springer-Verlag, 1995.
  • 5肖健华.基于支持对象的野点检测方法[J].计算机工程,2003,29(11):43-45. 被引量:23
  • 6S Mika, B Scholkopf, A. Smola, et al. Kernel PCA and De-noising in Feature Spaces[J]. Advances in Neural Processing Systems, 11, 1999.
  • 7D Tax, R Duin. Data Domain Description Using Support Vectors. Proc[J]. European Symposium Artificial Neural Networks 1999:251-256.

二级参考文献10

  • 1范金城,胡峰.动态测量数据的抗扰性分析研究[J].数理统计与应用概率,1996,11(3):244-248. 被引量:25
  • 2Knorr E M, Ng R T. Algorithms for Mining Distance-based Outiiers in Large Datasets. Proc. VLDB, 1998:392-403.
  • 3Burges C J C. A Tutorial on Support Vector Machines for Pattern Recognition. Data Mining and Knowledge Discovery, 1998,2(2):121.
  • 4Moya M R, Koch M W, Hostetler L R. One-class Classifier Networks for Target Recognition Applications. Portland:Proceedings World Congress on Neural Networks, 1993:797-801.
  • 5Tax D, Duin R. Data Domain Description Using Support Vectors.Proc. European Symposium Artificial Neural Networks, 1999:251-256.
  • 6Feng G C,Pattern Recognition,1998年,19卷,899页
  • 7Zhang Jun,Proceedings IEEE,1997年,85卷,9期,1422页
  • 8Chow G,Pattern Recognition,1993年,26卷,12期,1739页
  • 9Hong Ziquan,Pattern Recognition,1991年,24卷,3期,211页
  • 10严超,苏光大.人脸特征的定位与提取[J].中国图象图形学报(A辑),1998,3(5):375-380. 被引量:42

共引文献315

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部