基于非线性核函数映射方法的人脸视觉语音特征区域定位
本文给出了基于非线性核函数映射的主元分析KPCA(Kernel Principle Component Analysis)和支撑向量机SVW(Support Vector Machine)进行人脸视觉语音特征区域定位的方法.提出了在高维非线性映射特征空间中,以广义似然距离DLES(Distance of Likelihood in Feature Space)作为一种基于KPCA-SVM的人脸视觉语音特征区域定位判别方法的判据.并与基于Fisher准则的线性判别方法FDA(Fisher Discrimination Analysis)以及传统主元分析方法PCA(Principle Component Analysis)的定位结果进行了比较分析.在有限样本的情况下,基于KPCA-SVM的方法与传统的线性PCA-FDA方法相比具有一定的优势.该方法可以推广应用于图像处理、人脸识别及人脸检测等相关领域.本文实验中所使用的样本数据来自中国科学院声学所汉语听觉、视觉双模态数据库(CAVSR v1.0).
核函数 支撑向量机 人机交互 人脸识别 识别定位判据
蒙山 张有为
五邑大学信息科学研究所
国内会议
昆明
中文
291-297
2002-10-01（万方平台首次上网日期，不代表论文的发表时间）