核函數(shù)技術是機器學習領域應用廣泛且非常有效的方法,采用核函數(shù)技術可以有效地解決在高維空間運算時遇到的維數(shù)災難問題,不僅大大減少了在輸入空間中的計算量還能夠有效改善學習機的分類性能,核函數(shù)的選擇以及核函數(shù)的構造一直是機器領域非常重要的問題,然而這方面的研究成果并不多。論文首先闡述了支持向量機的理論以及核函數(shù)的基本原理,介紹了目前應用比較廣泛的核函數(shù)類型,考慮到局部核函數(shù)和全局核函數(shù)的優(yōu)缺點并將兩者結合組成新的核函數(shù),使用改進的網(wǎng)格搜索法對構造核函數(shù)進行參數(shù)和組合系數(shù)進行尋優(yōu)。最后將該算法應用到ORL人臉數(shù)據(jù)庫中,驗證了混合核函數(shù)SVM人臉分類識別效果明顯優(yōu)于單一核函數(shù)分類效果,實驗結果證實了該算法的有效性。 

【文章來源】：計算機與數(shù)字工程. 2019,47(06)

【文章頁數(shù)】：4 頁

【參考文獻】：
期刊論文
[1]基于混合核函數(shù)的支持向量機[J]. 鄔嘯,魏延,吳瑕.  重慶理工大學學報(自然科學). 2011(10)
[2]一種快速混合核函數(shù)參數(shù)選擇方法[J]. 于哲夫,路慧彪,賈傳熒.  大連海事大學學報. 2011(03)
[3]一種基于支持向量機的人臉識別新方法[J]. 舒雙寶,羅家融,徐從東,孫濱璇.  計算機仿真. 2011(02)
[4]支持向量機最優(yōu)參數(shù)選擇的研究[J]. 劉東輝,卞建鵬,付平,劉智青.  河北科技大學學報. 2009(01)
[5]采用PCA/ICA特征和SVM分類的人臉識別[J]. 王宏漫,歐宗瑛.  計算機輔助設計與圖形學學報. 2003(04)
[6]人臉自動識別方法綜述[J]. 周杰,盧春雨,張長水,李衍達.  電子學報. 2000(04)

博士論文
[1]支持向量機算法的研究及其應用[D]. 范昕煒.浙江大學 2003

碩士論文
[1]基于深度學習的人臉識別方法的研究[D]. 池燕玲.福建師范大學 2015
[2]基于混合核函數(shù)支持向量機的人臉識別方法研究[D]. 熊薇薇.武漢科技大學 2009



本文編號：3620305