核統(tǒng)計(jì)成分分析及其在人臉識(shí)別中的應(yīng)用研究.pdf

1、支持向量機(jī)(Support Vector Machines,簡(jiǎn)稱(chēng)SVM)的成功引起了人們對(duì)機(jī)器學(xué)習(xí)算法的極大興趣,并由此發(fā)展出了一種核函數(shù)方法。核函數(shù)方法的思想是:通過(guò)某種非線性映射將輸入空間變換到一個(gè)高維特征空間,如果在其中應(yīng)用標(biāo)準(zhǔn)的線性算法時(shí),其分量間僅存在內(nèi)積運(yùn)算,則可以利用核函數(shù)替代內(nèi)積,將這種算法轉(zhuǎn)換為原輸入空間里的非線性算法。
　　自動(dòng)人臉識(shí)別(AFR)是最具有挑戰(zhàn)性的課題之一,不同類(lèi)別的模式差異較小,同類(lèi)模式具有較大

2、的不穩(wěn)定性,特征提取和分類(lèi)器設(shè)計(jì)是人臉識(shí)別研究中的核心問(wèn)題。人臉特征表示是實(shí)現(xiàn)高效人臉識(shí)別算法的重要前提。好的人臉表征可以使用簡(jiǎn)單的分類(lèi)器而獲得良好的識(shí)別性能。
　　人臉識(shí)別應(yīng)用系統(tǒng)的最終性能在很大程度上取決于高效的人臉特征描述和魯棒的人臉識(shí)別核心算法。論文以人臉識(shí)別問(wèn)題為背景,利用核函數(shù)學(xué)習(xí)方法,對(duì)人臉識(shí)別中所涉及的一些關(guān)鍵技術(shù)進(jìn)行了深入研究和探討,內(nèi)容主要涉及基于核方法的非線性統(tǒng)計(jì)成分的理論及其在自動(dòng)人臉識(shí)別技術(shù)中的應(yīng)用。論文

3、的主要工作和創(chuàng)新之處概括如下:
　　(1)對(duì)核學(xué)習(xí)方法中的核函數(shù)進(jìn)行了深入地研究,闡明了核函數(shù)與所映射空間之間的關(guān)系,揭示了核函數(shù)的本質(zhì);提出了一種基于有效候選集的支持向量機(jī)訓(xùn)練樣本選擇方法。
　　(2)為了建立一個(gè)既有較好插值能力又有較好外推能力的學(xué)習(xí)模型,結(jié)合人臉識(shí)別問(wèn)題,提出了一種基于組合核函數(shù)的KPCA人臉識(shí)別方法,使得組合核函數(shù)既具有較好的學(xué)習(xí)能力,又具有較好的推廣能力。
　　(3)研究了不同核統(tǒng)計(jì)成分在用于

4、人臉特征提取上的特點(diǎn)及差別。提出了一種將KPCA提取的部分全局特征與由ICA提取的部分局部特征進(jìn)行融合構(gòu)成新的融合特征向量的識(shí)別方法,實(shí)驗(yàn)結(jié)果表明,新方法的識(shí)別率明顯優(yōu)于KPCA及ICA的結(jié)果。
　　(4)深入地研究了利用CCA/KCCA方法來(lái)融入類(lèi)別信息進(jìn)行特征提取的方法。提出了一種基于鄰域信息運(yùn)用CCA分類(lèi)器來(lái)進(jìn)行人臉圖像分割的方法,這種基于鄰域信息的特征向量編碼可以很好地提高分類(lèi)器的分類(lèi)性能。
　　(5)給出了一種新的