基于 KPCA-SVM 的三维物体识别研究

• 作者: 邓春伟 陈刚
• 来源期刊: 计算机光盘软件与应用
• 学科: 工学
• 关键词: 3D Object Recognition SVM KPCA
• 年，卷（期）: 2012,（7）
• 页码范围: 77-78
• 分类号: TP391.41
• 字数: 2023字
• 语种: 中文

摘要

在基于视图的三维物体识别系统中,一般采取表征相似视图差异作为识别特征,往往需要较多的特征维数,增加了分类的复杂度,降低了识别效率.本文使用核主成份分析(KPCA)算法对识别特征进行抽取和降维,再应用支持向量机(SVM)进行分类识别,有效解决了上述问题.实验数据采用哥伦比亚图像库,并将所得结果与其他常用识别方法所得结果进行了比较,证明了使用 KPCA-SVM 方法在不降低分类器性能的前提下,能有效降低输入数据的特征维数,并具有较好的识别性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邓春伟		17	4	1.0	1.0
2	陈刚		12	13	2.0	3.0