基于流形學習與支持向量機的人臉識別研究.pdf

1、論文題目：基于流形學習與支持向量機的人臉識別研究專業(yè)：計算機軟件與理論碩士生：趙元元(簽名)指導教師：厙向陽(簽名)摘要人臉識別具有自然、直觀、安全、快捷等特點，已經(jīng)成為最具發(fā)展?jié)摿Φ纳锾卣髯R別技術之一，在安全系統(tǒng)，信用卡驗證，視頻會議，公安系統(tǒng)犯罪等方面的應用已經(jīng)成為模式識別和人工智能領域研究的熱點。但人臉結構的復雜性，表情的多樣性，發(fā)掘有效的特征提取算法和強泛化能力的分類器成為人臉識別系統(tǒng)新的挑戰(zhàn)。流形學習作為新的非線性維數(shù)約簡方

2、法，能有效的發(fā)現(xiàn)嵌入在高維空間的非線性低維流形數(shù)據(jù)，挖掘隱藏的本征信息。支持向量分類機(SVM)基于結構風險最小化原則，能根據(jù)有效的樣本信息在模型的復雜性和學習能力之間尋求最佳折中，具有很強的泛化推廣能力。本文將流形學習與支持向量機結合，應用于人臉識別的兩大模塊，特征提取和分類。提出了兩種改進的流形學習特征提取算法，并采用螢火蟲算法優(yōu)化的支持向量分類機參數(shù)仿真，驗證算法的有效性。本文的主要研究內(nèi)容概括如下：(1)提出了一種基于鄰域動態(tài)變

3、化的局部線性嵌入人臉識別算法。該算法采用單鏈聚類算法以及進一步優(yōu)化算法動態(tài)獲取樣本鄰域，降低了局部線性嵌入算法樣本鄰域點個數(shù)固定的不足。結合優(yōu)化的支持向量機進行分類識別，理論和實驗結果驗證了該算法具有較高的識別率。(2)提出了一種改進距離的半監(jiān)督局部線性嵌入人臉識別算法。該算法引入新的距離規(guī)則，改善了基于歐氏距離構建樣本鄰域結構時對于采樣密度的高要求，并結合支持向量機分類識別。通過L和YALB人臉庫上的大量實驗結果表明該算法的有效性。關

4、鍵詞：人臉識別；流形學習；支持向量機；半監(jiān)督學習；螢火蟲算法研究類型：應用研究Subject:FacerecognitionbasedonManifoldlearningsupptvectmachineSpecialty:AppliedMathematicsName:ZhaoYuanyuan(Signature)Instruct:SheXiangyang(Signature)ABSTRACTFacewithitsnaturalintui

5、tivesafefastacteristicshasbecomeoneofthemostpromisingbiometricsrecognitiontechnology.Itsapplicationinsecuritysystemscreditcardverificationvideoconferencingpublicsecurityhavebecomearesearchhotspotinthefieldsofpatternrecog

6、nitionartificialintelligence.Howeverthecomplexityofhumanfacialstructurethediversityoffacialexpressionexplationofeffectivefeatureextractionalgithmsclassifierswithstronggeneralizationabilitybecomethenewchallengeoffacerecog

7、nitionsystems.Manifoldlearningasanewnonlineardimensionalityreductionmethodcaneffectivelyfindlowdimensionalnonlinearmanifolddataembeddinginhighdimensionalspacemininghiddenintrinsicinfmation.SupptVectMachine(SVM)basedonstr

8、ucturalriskminimizationprinciplecanfindthebestcompromisebetweencomplexitylearningabilityofthemodelaccdingtosomeeffectivesampleinfmation.ithasstrongabilityofgeneralization.ThispapercombinesmanifoldlearningSVMapplyingtotwo

9、modulesffacerecognitionfeatureextractionclassification.Proposingtwoimprovedalgithmofmanifoldlearningfeatureextraction.usingthefireflyalgithmoptimizedparameterstosupptvectmachinefsimulationthevalidityofthealgithm.Themainc

10、ontentsofthispaperasfollows:(1)Proposinganewalgithmwhichisbasedonlocallinearembeddingofthedynamicallydeterminingneighbhoodparameter.Thisalgithmcanautomaticallydetermiheneighbhoodofthedatapointbyusingthesinglechaincluster