基于支持向量的Kernel判别分析
文献类型：期刊论文
| 作者 | 山世光; 张宝昌; 陈熙霖; 高文 |
| 刊名 | 计算机学报
 |
| 出版日期 | 2006 |
| 期号 | 第12期页码:2143—2150 |
| 关键词 | 人脸识别 支持向量机 核分析 判别分析 零空间 |
| 英文摘要 | 提出了一种新的基于支持向量的核化判别分析方法(SV-KFD).首先深入地分析了支持向量机(SVM)以及核化费舍尔判别分析(Kernel Fisher)方法的相互关系.基于作者证明的SVM本身所固有的零空间性质：SVM分类面的法向量在基于支持向量的类内散度矩阵条件下，具有零空间特性，提出了利用SVM的法向量定义核化的决策边界特征矩阵(Kernelized Decision Boundary Feature Matrix，KDBFM)的方法.进一步结合均值向量的差向量构建扩展决策边界特征矩阵(Ex-KDBFM).最后以支持向量为训练集合，结合零空间方法来计算投影空间，该投影空间被用来从原始图像中提取判别特征.以人脸识别为例，作者在FERET和CAS-PEAL-R1大规模人脸图像数据库上对所提出的方法进行了实验验证，测试结果表明该方法具有比传统核判别分析方法更好的识别性能. |
| 语种 | 中文 |
| 公开日期 | 2010-10-22 |
| 源URL | [http://ictir.ict.ac.cn/handle/311040/789]  |
| 专题 | 中国科学院计算技术研究所期刊论文_2006年中文 |
| 推荐引用方式 GB/T 7714 | 山世光,张宝昌,陈熙霖,等. 基于支持向量的Kernel判别分析[J]. 计算机学报,2006(第12期):2143—2150. |
| APA | 山世光,张宝昌,陈熙霖,&高文.(2006).基于支持向量的Kernel判别分析.计算机学报(第12期),2143—2150. |
| MLA | 山世光,et al."基于支持向量的Kernel判别分析".计算机学报 .第12期(2006):2143—2150. |
入库方式： OAI收割
来源：计算技术研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。