学位论文 > 优秀研究生学位论文题录展示
模糊支持向量机在人脸识别中的应用研究
作 者: 陈家德
导 师: 吴小俊
学 校: 江南大学
专 业: 计算机应用技术
关键词: 核函数 支持向量机 模糊支持向量机 混合核函数 新偏移量 自适应核方法
分类号: TP391.41
类 型: 硕士论文
年 份: 2009年
下 载: 250次
引 用: 4次
阅 读: 论文下载
内容摘要
模糊支持向量机是在支持向量机的基础上引入模糊隶属度函数发展而来的,一定程度上解决了支持向量机的一些局限问题,并被广泛应用于模式识别和人工智能领域。它也是人脸识别的一个重要手段。因此,优化模糊支持向量机算法,通过更好的构造模糊支持向量机分类器以提高分类识别率,从而能更好的应用于人脸识别。本文针对这一思想展开工作,主要包括以下三个方面的内容:1、核函数在模糊支持向量机中重要的内容,而且模糊支持向量机的许多特性又是由所选择的核函数所确定的。而核函数总体上可划分为局部核函数和全局核函数,它们都有各自的优缺点。本文把两个或是多个函数的优点组合起来,构成混合核函数。以使混合核函数具备全局核函数强外推能力与局部核函数强学习能力的优点。并把此混合核函数应用于模糊支持向量机中,用Iris数据集和Wine数据集验证该方法的有效性。2、同样,用二次规化问题求解的权重和偏移量也是影响模糊支持向量机分类性能原因之一,偏移量过大或是偏小,对最优分类面位置及分类性能都会有直接的影响。本文进一步提出一种新的求偏移量的方法,由此新偏移量构成的最优分类面,经由ORL人脸数据集和Iris数据集及Wine数据集验证其分类性能得到了一定程度的提高。3、核方法提供了一个线性方法到非线性推广的训练方法。模糊支持向量机、核主成成分分析以及Fisher核判别式都是较为成熟的一些核方法。然而这些核方法不能自动选择核参数,本文研究基于最优分类标准的自适应核学习方法,而这种标准类似于线性鉴别分析和核Fisher判别,由普通核函数得到的核矩阵,再通过学习得到最优核矩阵。,把得到的最优核矩阵代替原来的模糊支持向量机中的核矩阵,就构成自适应模糊支持向量机。通过两组数据集的实验验证该方法的有效性。
|
全文目录
摘要 3-4 ABSTRACT 4-8 第一章 绪论 8-12 1.1 模糊支持向量机技术概述及其研究意义 8 1.2 人脸识别技术背景及其研究意义 8-10 1.2.1 研究内容及其现状 9 1.2.2 人脸识别的应用 9-10 1.3 本文的研究工作 10 1.4 本文研究内容安排 10-12 第二章 统计学习理论与模糊支持向量机的基本原理 12-27 2.1 引言 12 2.2 统计学习理论的核心内容 12-15 2.2.1 学习过程一致性的条件 12-13 2.2.2 函数集的VC 维 13-14 2.2.3 推广性的界 14 2.2.4 结构风险最小化原则 14-15 2.3 支持向量机基本原理 15-20 2.3.1 线性支持向量机 16-17 2.3.2 广义最优超平面 17-19 2.3.3 非线性支持向量机 19-20 2.4 模糊支持向量机(FSVM) 20-26 2.4.1 输入样本的模糊属性 20-21 2.4.2 两类FSVM 21-22 2.4.3 多类FSVM 22 2.4.4 传统SVM 多类算法及其缺陷 22-24 2.4.5 FSVM 的多类算法 24-26 2.5 本章小结 26-27 第三章 基于混合核的模糊支持向量机研究 27-32 3.1 引言 27 3.2 局部核函数与全局核函数 27-28 3.3 混合核函数 28-29 3.4 基于混合核函数的模糊支持向量机实验结果与分析 29-31 3.5 本章小结 31-32 第四章 基于新偏移量的模糊支持向量机研究 32-39 4.1 引言 32 4.2 新偏移量 32-33 4.3 分类器构造 33-34 4.4 基于人脸图像的PCA 特征抽取方法 34-35 4.5 实验与结果分析 35-38 4.5.1 一对一FSVM 实验结果 36-37 4.5.2 一对多FSVM 实验结果 37 4.5.3 两种实验结果分析 37-38 4.6 本章小结 38-39 第五章 自适应模糊支持向量机研究 39-48 5.1 引言 39 5.2 核函数 39 5.3 自适应核学习算法 39-42 5.3.1 核矩阵的谱分解 39-40 5.3.2 最优化分类标准 40-41 5.3.3 最优化问题的解决 41-42 5.4 自适应模糊支持向量机(AFSVM) 42-43 5.4.1 一对一自适应模糊支持向量机(一对一AFSVM) 42-43 5.4.2 一对多自适应模糊支持向量机(一对多AFSVM) 43 5.5 实验结果分析 43-47 5.5.1 一对一AFSVM 实验结果分析 43-46 5.5.2 一对多AFSVM 实验结果分析 46-47 5.6 本章小结 47-48 第六章 总结与展望 48-50 6.1 总结 48 6.2 未来的研究课题 48-50 致谢 50-51 参考文献 51-55 附录:作者在攻读硕士学位期间发表的论文 55
|
相似论文
- 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 地波辐射源的调制类型识别与参数估计,TN957.51
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 基于三维重建的焊点质量分类方法研究,TP391.41
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 基于图像的路面破损识别,TP391.41
- 基于核方法的高光谱图像异常检测算法研究,TP751
- 高光谱图像技术诊断黄瓜病害方法的研究,S436.421
- 航空发动机燃调系统故障诊断,V263.6
- 基于FSVM的数据挖掘方法及其在入侵检测中的应用研究,TP393.08
- 基于信息融合的道路和障碍物检测方法研究,TP242
- 基于支持向量机的故障诊断问题研究,TP18
- 定量构效关系和分子对接在药物分析化学中的应用,R917
- 粒子群优化算法及支持向量机应用研究,TP18
- 一类互补问题基于核函数的原始—对偶大步—校正内点算法,O221.2
- 基于遥感影像的道路提取算法研究,TP751
- 支持向量机在矿区遥感监测图像分类中的应用研究,TP751
- 低速重载齿轮振动故障诊断研究,TH165.3
- 基于不同常数项模糊支持向量机的脑变形矫正模型,TP18
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|