融合PCA的支持向量机人脸检测研究

• 作者: 李宜清 程武山
• 来源期刊: 计算机测量与控制
• 关键词: 支持向量机 PCA 人脸检测 数据降维 模式识别
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 测试与故障诊断
• 页码范围: 49-54
• 页数: 6页
• 分类号: TN707
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2019.03.010

摘要

支持向量机(Support Vector Machine,SVM)作为一种经典的非线性分类器,用于模式识别,可以将训练样本从不可线性分类的低维空间映射到可线性分类的高维空间,再做分类,文章主要训练支持向量机使它学会区分人脸和非人脸;支持向量机的数学推导完备,算法逻辑严密,整体上比Adaboost算法复杂,但在样本量较少的情况下效果良好,因此有样本优势;支撑它的理论包含泛化性理论、最优化理论和核函数等,这些理论也被学术界广泛用于其他机器学习算法如神经网络,几十年来被证明具有很高的可靠性;同时本文论述主成分分析技术(PCA)用于压缩数据,实现数据降维,在数据预处理方面算法提供了很大帮助,使SVM支持向量机的输入数据维数大幅下降,大大提高了运算和检测时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程武山	上海工程技术大学机械与汽车工程学院	96	432	12.0	17.0
2	李宜清	上海工程技术大学机械与汽车工程学院	1	2	1.0	1.0