版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、人臉識別早在20世紀(jì)60年代就引起了人們的研究興趣.近幾年，它在安全驗(yàn)證系統(tǒng)、信用卡驗(yàn)證、檔案管理系統(tǒng)、人機(jī)交互系統(tǒng)等領(lǐng)域有著廣泛的應(yīng)用前景，已經(jīng)成為計(jì)算機(jī)視覺和模式識別領(lǐng)域的一個(gè)研究熱點(diǎn).人臉識別中的一個(gè)關(guān)鍵問題就是設(shè)計(jì)有效的分類算法.核機(jī)器學(xué)習(xí)是現(xiàn)在比較流行的一種學(xué)習(xí)算法，主要有支持向量機(jī)(SVM)、核主成分分析(KPCA)、核Fisher判別分析(KFD). 本文主要討論目前比較流行的核學(xué)習(xí)算法，闡述它們之間的區(qū)別和聯(lián)系.
2、相比其它的學(xué)習(xí)算法，SVMs有較好的推廣能力和解的稀疏性.因此，我們將核Fisher判別分析展成類似支持向量機(jī)的數(shù)學(xué)模型，使之也具有稀疏性.此外，我們還利用誤差修正碼(ECOC)改進(jìn)了多分類SVM，降低了多分類SVM的求解難度.在人臉識別的仿真實(shí)驗(yàn)中，我們用改進(jìn)的SVM算法與其它的核學(xué)習(xí)算法進(jìn)行比較，實(shí)驗(yàn)結(jié)果表明這種算法具有較高的識別率和穩(wěn)定性.本文總共分為五個(gè)部分：第一部分，介紹了核函數(shù)與其相關(guān)的特征空間.第二部分，介紹了核主成分分析
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 圖象特征抽取與識別理論及其在人臉識別中的應(yīng)用.pdf
- 矩陣?yán)碚撛谌四樧R別中的應(yīng)用
- 小波理論在人臉識別中的應(yīng)用研究.pdf
- EDDA在人臉識別中的應(yīng)用.pdf
- 支持向量機(jī)的核方法在人臉識別中的應(yīng)用研究.pdf
- 改進(jìn)的核函數(shù)算法及其在人臉識別中的應(yīng)用研究.pdf
- 核方法的改進(jìn)及其在人臉識別上的應(yīng)用.pdf
- 核局部非負(fù)矩陣分解算法在人臉識別中的應(yīng)用.pdf
- 小波理論在人臉識別中的應(yīng)用研究(1)
- 核統(tǒng)計(jì)成分分析及其在人臉識別中的應(yīng)用研究.pdf
- 人臉光照問題的研究及其在人臉識別中的應(yīng)用.pdf
- 基于核的學(xué)習(xí)方法及其在人臉識別中的應(yīng)用研究.pdf
- 一種改進(jìn)的核Fisher鑒別分析算法在人臉識別中的應(yīng)用.pdf
- 語音識別理論在智能機(jī)器魚中的應(yīng)用.pdf
- 人臉識別中復(fù)合梯度向量理論及特征提取研究.pdf
- SpLPP在人臉識別中的應(yīng)用研究.pdf
- Walsh函數(shù)及其在人臉識別中的應(yīng)用.pdf
- 曲波變換在人臉識別中的應(yīng)用.pdf
- 組合分類器在人臉識別中的應(yīng)用.pdf
- 支持向量機(jī)在人臉識別中的應(yīng)用.pdf
評論
0/150
提交評論