支持向量鉴别分析及在人脸表情识别中的应用

被引：19

作者：

应自炉

唐京海

李景文

张有为

机构：

[1] 北京航空航天大学电子信息工程学院

来源：

电子学报 | 2008年 / 04期

关键词：

模式识别; 主元分析; Fisher鉴别分析; 支持向量机; 表情识别;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

模式识别一般首先要对数据进行降维,PCA和LDA及其对应的核化算法是其中应用广泛的方法,但这些算法的应用前提是假设样本数据为高斯分布,在少样本训练时它们的推广性能有很大局限.本文提出了一种基于支持向量机的鉴别分析算法,该算法首先寻找有限样本情况下最优分类面,以其法线方向为投影轴对数据进行投影降维,在多类情况下提供了极其丰富的方案选择投影轴.该算法体现了支持向量机的内在优良推广性能,克服了PCA和LDA等算法的局限性.本文将所提算法应用于人脸表情特征提取,并与PCA、LDA、KPCA、GDA等算法进行了比较,结果表明该算法的有效性.

引用

页码：725 / 730

页数：6

共 5 条

[1] 面部表情识别研究进展
杨国亮
王志良
王国江
[J]. 自动化技术与应用, 2006, (04) : 1 - 6
[2] 机器学习及其应用.[M].王珏;周志华;周傲英主编;.清华大学出版社.2006,
[3] Enhanced (PC)2A for face recognition with one training image per person
Chen, SC
Zhang, DQ
Zhou, ZH
[J]. PATTERN RECOGNITION LETTERS, 2004, 25 (10) : 1173 - 1181
[4] Generalized discriminant analysis using a kernel approach
Baudat, G
Anouar, FE
[J]. NEURAL COMPUTATION, 2000, 12 (10) : 2385 - 2404
[5] SUPPORT-VECTOR NETWORKS
CORTES, C
VAPNIK, V
[J]. MACHINE LEARNING, 1995, 20 (03) : 273 - 297

← 1 →