一种相似性学习算法及其在人脸识别中的应用

• 作者: 夏佩佩 张莉
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 相似性学习 样本对 支持向量机 K近邻算法 随机降维 人脸识别
• 年，卷（期）: 2014,（6）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 175-179
• 页数: 5页
• 分类号: TP18
• 字数: 4880字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2014.06.038

摘要

传统的支持向量机相似性学习算法在构造样本对时,会考虑所有的原始训练样本,致使样本对空间和原样本空间呈平方关系,而过多的训练样本对会降低训练速度.为此,提出一种改进的支持向量机相似性学习算法,并应用到人脸识别中.引入二元样本对方法构造样本对,采用K近邻算法减少不相似样本对的生成,从而加快支持向量机的训练速度,同时使用随机降维方法来降低人脸数据的维数.实验结果表明,与基于差空间样本对和差绝对值样本对的算法相比,该算法可获得更高的识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张莉	苏州大学计算机科学与技术学院	92	532	11.0	19.0
2	夏佩佩	苏州大学计算机科学与技术学院	4	16	2.0	4.0