基于SNPE和SVM的人脸识别

被引：4

作者：

郭锋 ^{[1
]}

吕凝 ^{[1
]}

陈绵书 ^{[2
]}

刘丽丽 ^{[1
]}

机构：

[1] 长春工业大学计算机科学与工程学院

[2] 吉林大学通信工程学院

来源：

计算机工程与应用 | 2008年 / 09期

关键词：

人脸识别; 有监督近邻保持嵌入(SNPE); 支持向量机(SVM);

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

在人脸识别方面,传统的特征提取方法大都是线性方法,不能很好保持样本的拓扑结构。分类方面,支持向量机能够尽量提高学习的泛化能力,防止过学习,是一种很好的分类器。提出了一种基于SNPE和SVM的人脸识别方法。采用有监督模式确定NPE算法中的K值。SNPE算法旨在保持数据的局部流型结构,而且相对于近期提出的LLE算法,它能够适用于训练样本和测试样本,具有更大的实用型。结合两分类支持向量机级联模型进行人脸识别,在ORL人脸数据库上实验表明,算法具有稳健性、快速性等优点,实验效果令人满意。

引用

页码：202 / 204+216 +216

页数：4