一种基于KPCA/SVM的人脸特征区域定位方法
本文给出了基于非线性核函数映射的主分量分析KPCA(KernelPrincipleComponentAnalysis)进行人脸特征区域定位的方法.在高维非线性映射特征空间中,提出了一种基于KPCA和支撑向量机(SupportVectorMachine,SVM)的人脸特征区域定位判别方法,并与基于Fisher准则的线性判别方法FDA(FisherDiscriminationAnalysis)和主分量分析方法PCA(PrincipleComponentAnalysis)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的方法优于PCA-FDA方法.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.
核主分量分析 支撑向量机 图像特征 人脸识别
蒙山 黄敬雄 谢维信
西安电子科技大学,西安,710071;深圳大学ATR国防重点实验室,深圳,518060 西安电子科技大学,西安,710071
国内会议
深圳
中文
904-909
2005-04-16（万方平台首次上网日期，不代表论文的发表时间）