基于KICA和SVM的人耳识别研究
本文对人耳识别中的若干关键问题进行了研究,在简单介绍基于独立成分分析(ICA)的人耳特征提取的基础上,提出采用改进的核独立成分分析(KICA)的非线性分析法提取人耳图像的特征,该方法可描述为KPCA和ICA方法组合.分类器采用径向基核函数的支持向量机分类模型进行人耳识别.本文通过实验,比较在不同的噪声下的识别性能,实验结果表明KICA方法要优于ICA方法,并且通过实验了比较了在不同核函数下的SVM的识别率,得出基于径向基核函数要优于其它核函数.
人耳识别 独立成分分析 支持向量机 特征提取 人耳图像 识别性能
沈华军 武和雷
南昌大学信息工程学院,江西南昌,330013
国内会议
福州
中文
427-430
2008-05-16（万方平台首次上网日期，不代表论文的发表时间）