一种新颖的核学习算法用于小波特征的人脸识别

计算机科学 ›› 2007, Vol. 34 ›› Issue (5): 224-227.

• 计算机网络与信息安全 • 上一篇下一篇

一种新颖的核学习算法用于小波特征的人脸识别

出版日期:2018-11-16 发布日期:2018-11-16
基金资助:
国家自然基金资助项目（No.60472060）.

Online:2018-11-16 Published:2018-11-16

摘要/Abstract

摘要： 文中将一种新颖的核学习算法一核最近邻凸包分类算法用于人脸的小波特征识别。该算法的设计受到支持向量机几何解释启发，利用核函数方法将数据映射到高维核空间，并在核空间构造以训练集凸包为扩展类集的最近邻分类器。文中采用的人脸图像的小波低频特征对人脸识别十分有效。人脸的小波低频特征不但保留了人脸的主要信息，而且具有较少的维度。在ORL人脸图像库上的“leave-one-out”测试方法的实验中，这种基于小波低频特征的核最近邻凸包分类算法取得了99．25％的识别率。

关键词: 核学习核最近邻凸包小波变换模式识别人脸识别

Abstract: A new kernel learning method called Kernel Nearest Neighbor Convex hull （KNNCH） algorithm is used for wavelet features based face recognition. Inspired by the intuitive geometric interpretation of SVM based on convex hulls, KNNCH maps the data in the orig

Key words: Kernel learning, Kernel nearest neighbor convex hull, Wavelet transform, Pattern recognition, Face recognition

. 一种新颖的核学习算法用于小波特征的人脸识别[J]. 计算机科学, 2007, 34(5): 224-227. https://doi.org/