改进KNN-SVM的性别识别

• 作者: 张建明 李巍 杨忠
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 人脸性别识别 支持向量机 K近邻距离分类器 最优阈值
• 年，卷（期）: 2009,（4）
• 所属期刊栏目: 图形、图像、模式识别
• 页码范围: 177-179,224
• 页数: 4页
• 分类号: TP391
• 字数: 3685字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2009.04.050

摘要

针对支持向量机(SVM)在超平面附近进行性别识别的不准确性,引入进行加权的K近邻(KNN)算法.提出了结合加权KNN和SVM的改进KNN-SVM算法,该算法用少量已知性别样本自动确定加权KNN与SVM的最优分类阈值,并计算待识别样本和支持向量机所确定的超平面的距离,通过距离与阈值的比较进行性别识别.基于FERET人脸库进行性别实验,实验结果表明,该算法比SVM算法和不进行加权处理的KNN-SVM算法的识别率更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张建明	江苏大学计算机科学与通信工程学院	72	710	13.0	23.0
2	杨忠	江苏大学计算机科学与通信工程学院	1	19	1.0	1.0
3	李巍	江苏大学计算机科学与通信工程学院	1	19	1.0	1.0