支持向量機研究及其在人臉檢測中的應(yīng)用.pdf

1、支持向量機是在統(tǒng)計學習理論上發(fā)展起來的一種新型機器學習方法，在解決模式識別領(lǐng)域中小樣本，非線性，超高維等問題方面表現(xiàn)出明顯的優(yōu)勢。為了解決現(xiàn)實中的數(shù)據(jù)在輸入空間中的不可分問題，我們把輸入數(shù)據(jù)映射到一個高維空間中，在這里數(shù)據(jù)就變的可分。而這個映射不是確定給出的，而是通過使用一個核函數(shù)來代替映射數(shù)據(jù)的內(nèi)積，從而減少計算量，怎樣才能為核函數(shù)快速的選擇出合適的參數(shù)就是我們研究的問題。
　　 人臉識別有很多有潛力的應(yīng)用，例如安全系統(tǒng)，人機

2、接口，視頻數(shù)據(jù)庫的搜索，萬維網(wǎng)等。傳統(tǒng)的人臉識別方法是把一個核函數(shù)應(yīng)用到全局特征中去，而全局特征很容易被噪聲和遮擋影響，所以傳統(tǒng)方法在有遮擋的情況下識別率不是很高。
　　 基于以上兩個問題，本文主要從以下兩方面展開工作：
　　 (1)對于核參數(shù)的選擇問題，我們使用特征空間巾的群間距離和混合核函數(shù)相結(jié)合的方法來解決。計算這個距離所消耗的時間要比訓練相應(yīng)的支持向量機分類器少的多，因此能夠更快的選擇出合口適的核參數(shù)，而且比使用