模糊支持向量機在人臉識別中的應(yīng)用.pdf

1、支持向量機作為一種機器學(xué)習(xí)方法，較好地解決了非線性、高維數(shù)等實際問題，是機器學(xué)習(xí)領(lǐng)域的研究熱點，為人臉識別提供了一條有效的路徑。
　　 鑒于樣本通常具有模糊特性且分布有稀疏的差別，在研究了現(xiàn)有的一些模糊支持向量機方法的基礎(chǔ)上，本文提出了基于模糊K近鄰的模糊支持向量機方法。該方法首先針對每一類樣本，計算出樣本均值，得到樣本類中心點；然后計算出樣本與中心點的距離，根據(jù)距離計算出樣本的初始隸屬度；計算每個樣本的K個近鄰點，按照模糊K近

2、鄰方法計算樣本的隸屬度，將初始隸屬度和模糊K近鄰隸屬度以一定比例融合，得出樣本的最終隸屬度值。結(jié)合稻米圖像檢測問題，驗證了該方法的有效性。
　　 針對人臉圖像的特征提取，本文在重點分析了主成分分析方法和二維主成分分析方法的基礎(chǔ)上，提出了用二維特征求解樣本隸屬度，用主成分特征進行支持向量機分類的方法。該方法結(jié)合了二維主成分特征在選取少量分量時人臉重構(gòu)圖像穩(wěn)定的優(yōu)點和主成分特征重構(gòu)圖像局部特征清晰的優(yōu)點。為了與二維主成分特征分類結(jié)果