支持向量機研究及其在人臉檢測中的應用.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)據在輸入空間中的不可分問題，我們把輸入數(shù)據映射到一個高維空間中，在這里數(shù)據就變的可分。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)據的內積，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用，例如安全系統(tǒng)，人機

2、接口，視頻數(shù)據庫的搜索，萬維網等。傳統(tǒng)的人臉識別方法是把一個核函數(shù)應用到全局特征中去，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