基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
对于人脸识别问题,基于K-L变换对人脸图像进行特征参数的提取,并采用支持向量机进行分类.由于支持向量机本身是一个两类问题的判别方法,在处理多类问题时,提出了一种基于支持向量机组的淘汰法,这种方法考虑到了各判别函数的VC置信范围的差异,同时利用判别函数间的冗余来降低识别误差.在对ORL人脸库和自建的人脸库的测试中,分别得到识别率为97.5%和90.59%的实验结果,这些结果表明,基于SVM的识别方法是有效的.
推荐文章
基于支持向量机的人脸识别研究
人脸识别
支持向量机
离散小波变换
改进的支持向量机算法在人脸识别上的应用
支持向量机
混合核函数
粒子群优化算法
人脸识别
蚁群算法优化支持向量机的人脸识别
蚁群算法
人脸识别
支持向量机
特征检测
支持向量描述鉴别分析及在人脸识别中的应用
特征降维
支持向量鉴别分析
支持向量数据描述
支持向量描述鉴别分析
人脸识别
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 支持向量机在人脸识别中的应用
来源期刊 计算机工程与应用 学科 工学
关键词 人脸识别 支持向量机 淘汰法 本征脸
年,卷(期) 2003,(11) 所属期刊栏目 学术探讨
研究方向 页码范围 100-102
页数 3页 分类号 TP391.4
字数 3620字 语种 中文
DOI 10.3321/j.issn:1002-8331.2003.11.033
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (5)
共引文献  (94)
参考文献  (7)
节点文献
引证文献  (34)
同被引文献  (23)
二级引证文献  (42)
1991(1)
  • 参考文献(1)
  • 二级参考文献(0)
1993(2)
  • 参考文献(2)
  • 二级参考文献(0)
1995(2)
  • 参考文献(1)
  • 二级参考文献(1)
1997(3)
  • 参考文献(1)
  • 二级参考文献(2)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(2)
  • 二级参考文献(0)
2003(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2003(1)
  • 引证文献(1)
  • 二级引证文献(0)
2004(2)
  • 引证文献(2)
  • 二级引证文献(0)
2005(2)
  • 引证文献(2)
  • 二级引证文献(0)
2006(9)
  • 引证文献(9)
  • 二级引证文献(0)
2007(1)
  • 引证文献(1)
  • 二级引证文献(0)
2008(7)
  • 引证文献(3)
  • 二级引证文献(4)
2009(2)
  • 引证文献(1)
  • 二级引证文献(1)
2010(3)
  • 引证文献(1)
  • 二级引证文献(2)
2011(4)
  • 引证文献(2)
  • 二级引证文献(2)
2012(3)
  • 引证文献(3)
  • 二级引证文献(0)
2013(5)
  • 引证文献(3)
  • 二级引证文献(2)
2014(5)
  • 引证文献(0)
  • 二级引证文献(5)
2015(5)
  • 引证文献(3)
  • 二级引证文献(2)
2016(7)
  • 引证文献(1)
  • 二级引证文献(6)
2017(2)
  • 引证文献(1)
  • 二级引证文献(1)
2018(7)
  • 引证文献(1)
  • 二级引证文献(6)
2019(11)
  • 引证文献(0)
  • 二级引证文献(11)
研究主题发展历程
节点文献
人脸识别
支持向量机
淘汰法
本征脸
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导