核双向联想记忆框架及鲁棒人脸识别

摘要：

核方法是近年来机器学习领域研究的热点之一,典型的基于核的学习算法包括支持向量机(SVMs)、核主分量分析(KPCA)和核Fisher判别.把核方法引入传统的双向联想记忆模型(BAM),得到核双向联想记忆框架(KBAM).KBAM囊括了一类已有的BAM模型,并且通过引入不同的核函数,可以得到新的BAM模型.在此基础上提出了一种基于KBAM的鲁棒人脸识别算法(Amface).在部分FERET人脸图像库上的实验结果表明,相对于标准的特征脸算法以及最近提出的(PC)2A算法,提出的Amface算法在对人脸图像添加随机噪声、随机丢块以及部分遮挡后,仍能维持较高的识别率.

关键词： 核方法 双向联想记忆 人脸识别 鲁棒性 机器学习

作者: 张道强 陈松灿 周志华

作者单位: 南京航空航天大学计算机科学与工程系,南京210016;南京大学计算机软件新技术国家重点实验室,南京,210093 南京航空航天大学计算机科学与工程系,南京210016 南京大学计算机软件新技术国家重点实验室,南京,210093

会议类型: 国内会议

会议名称: 2005第一届中国分类技术与应用研讨会(CSCA)

会议地点: 北京

会议语种:中文

页码: 184-188

在线出版日期: 2005-09-23（万方平台首次上网日期，不代表论文的发表时间）