| 基于独立成分分析和模糊支持向量机的人脸识别方法 |
| |
| 引用本文： | 郑宇杰,杨静宇,吴小俊,於东军.基于独立成分分析和模糊支持向量机的人脸识别方法[J].系统仿真学报,2005,17(7):1768-1770. |
| |
| 作者姓名： | 郑宇杰 杨静宇 吴小俊 於东军 |
| |
| 作者单位： | 1. 南京理工大学信息学院,南京,210094
2. 江苏科技大学,镇江,12003;中国科学院机器人学开放研究实验室,沈阳,110015 |
| |
| 基金项目： | 国家自然科学基金(60472060)，南京理工大学科研发展基金 |
| |
| 摘 要： | 成分分析(PCA)只能从2阶上去消除数据的相关性，传统支持向量机在解决多类问题时会出现分类的盲区问题，针对这两种情况，首先采用独立成分分析(ICA)方法解决了高阶上的数据相关性问题；同时在传统支持向量机中引入模糊隶属度函数，用模糊支持向量机解决了传统支持向量机在多类数据识别中的盲区问题。通过实验证明了该方法在人脸识别率上取得了显著提高。
|
| 关 键 词： | 独立成分分析 模糊支持向量机 主成分分析 人脸识别 |
| 文章编号： | 1004-731X(2005)07-1768-03 |
| 修稿时间： | 2004年4月29日 |
Face Recognition by Independent Component Analysis and Fuzzy Support Vector Machine |
| |
| ZHENG Yu-jie,YANG Jing-yu,WU Xiao-jun,YU Dong-jun.Face Recognition by Independent Component Analysis and Fuzzy Support Vector Machine[J].Journal of System Simulation,2005,17(7):1768-1770. |
| |
| Authors: | ZHENG Yu-jie YANG Jing-yu WU Xiao-jun YU Dong-jun |
| |
| Institution: | ZHENG Yu-jie1,YANG Jing-yu1,WU Xiao-jun2,3,YU Dong-jun1 |
| |
| Abstract: | Principal Component Analysis (PCA) only removes the second order correlation of data, and traditional support vector machine (SVM) has unclassifiable region on multi-class problem. In order to overcome these problems, Independent Component Analysis (ICA) is adopted to solve data correlation on high order and Fuzzy Support Vector Machine (FSVM) is applied on multi-class problem to solve the unclassifiable region. Experimental results demonstrate the effectiveness of this approach. |
| |
| Keywords: | Independent Component Analysis Fuzzy Support Vector Machine Principal Component Analysis Face Recognition |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
