-
题名基于加权多核学习的FLDA在人脸识别中的应用
- 1
-
-
作者
王宇东
-
机构
信阳师范学院外国语学院
-
出处
《电视技术》
北大核心
2014年第1期171-174,共4页
-
基金
河南省基础与前沿技术研究项目(112300410225)
-
文摘
模式识别技术的应用及研究表明,单核学习在人脸识别中的应用已经很成熟,但是,在单核学习中分类的效果并不是很好。基于此,提出了一种多核构造方法,即基于加权多核学习的FLDA方法(WMKL-FLDA),通过一系列带有权值约束的基本内核线性组合构建内核,并且利用权值优化迭代方案对最大边缘准则(MMC)进行优化。在FERET及CMU PIE人脸数据库上的实验表明,与以往的单核FLDA方法相比,提出的多核学习方法不仅实现了更高的识别性能,在构造内核方面也放松了参数的选择要求。
-
关键词
加权多核学习
FISHER线性判别分析
最大边缘优化
权值最优化
-
Keywords
weighting multiple kernel learning
FLDA
margin maximization criterion
weight optimization
-
分类号
TN911.73
[电子电信—通信与信息系统]
-