基于核學(xué)習(xí)的人臉識(shí)別算法研究.pdf

1、隨著社會(huì)經(jīng)濟(jì)不斷發(fā)展、科學(xué)技術(shù)日新月異，人臉識(shí)別的研究在國(guó)防、安保、互聯(lián)網(wǎng)以及生活的多方面都有著非常重要的意義，人類(lèi)迫切需要穩(wěn)定且高效的人臉識(shí)別系統(tǒng)來(lái)給我們提高便捷和高質(zhì)量的生活，人臉識(shí)別的主要任務(wù)是提取人臉圖像的有效特征，再充分利用這些特征信息來(lái)表示人臉圖像，達(dá)到去除冗余信息和降維的目的，最后再使用適當(dāng)?shù)姆诸?lèi)器來(lái)實(shí)現(xiàn)人臉圖像的分類(lèi)。本文主要將研究基于核學(xué)習(xí)的人臉圖像的特征提取算法，主要將從如下三個(gè)方面進(jìn)行算法研究：
　　(1)重

2、點(diǎn)論述了矩陣的奇異值分解定理、奇異值的穩(wěn)定性、奇異值的壓縮性、奇異值的比例不變性等定理，同時(shí)我闡述了最經(jīng)典的“特征臉”算法---主成分分析，還介紹了將輸入空間映射到高維特征空間中的核主成分分析分析以及矩陣的QR分解原理和存在唯一性。
　　(2)針對(duì)基于歐式距離的KPCA算法，識(shí)別率很難得到顯著提高且需要較高的計(jì)算復(fù)雜度的問(wèn)題，本文將歐式距離推廣到p范數(shù)，首先采用基于選主元的喬列斯基分解得到核矩陣K的低秩近似分解，然后對(duì)維數(shù)較小的矩

3、陣進(jìn)行QR分解方法，從而相當(dāng)高效的獲取了人臉圖像的關(guān)鍵特征，在人臉數(shù)據(jù)庫(kù)ORL以及AR上不斷進(jìn)行相關(guān)實(shí)驗(yàn)，最終的實(shí)驗(yàn)結(jié)果充分證明了新的基于p范數(shù)的QR-KPCA算法在計(jì)算復(fù)雜度上和傳統(tǒng)的KPCA基本持平，但是在識(shí)別率方面取得了良好的效果。
　　(3)隨著大數(shù)據(jù)時(shí)代的到來(lái)，海量數(shù)據(jù)的處理顯得尤為重要，但是如果人臉樣本的數(shù)量是相當(dāng)大時(shí)，核矩陣的維數(shù)也是驚人的，從而處理識(shí)別問(wèn)題就顯得力不從心，出現(xiàn)識(shí)別率不高并且計(jì)算規(guī)模大等問(wèn)題，為解決這