基于RBF神经网络PCA变换的识别技术.pdfVIP

第53卷 第 6期 中山大学学报 (自然科学版) Vo1．53 No．6 2014年 11月 ACTA SCIENTIARUM NATURALIUM UNIVERSITATIS SUNYATSENI NOV． 2014 基于 RBF神经网络 PCA变换的识别技术 左 军 ，周 灵 ，孙亚 民 (1．佛山科学技术学院 电子与信息工程学院，广东佛山528000； 2．南京理工大学计算机科学与技术学院，江苏 南京210094) 摘 要 ：应用RBF神经网络作为分类器用于人脸识别。提出了两个重要的准则来估计RBF单元的初始宽度， 这个宽度可以控制 RBF神经网络分类器的泛化能力。PCA方法把训练样本集投影到特征脸空间，以减少维数。 在PCA变换的基础上，作者进一步运用 FLD方法，为分类找到一个最佳的子空间，使类间距离和类内距离之比 最大化。在 ORL数据库上进行了仿真，仿真结果表明，该算法具有高效性和有效性。 关键词 ：径向基函数；权值调整；梯度下降法；人脸特征 中图分类号：TP301．6 文献标志码：A 文章编号：0529—6579(2014)06—0135—05 RecognitionTcehnologyBasedonRBFNeuralNetworkwithPCA Transform ZUOJun ，ZHOULing ，SUN Yamin (1．SchoolofElectronicandInformationEngineering，FoshanUniversity，Foshan528000，China； 2．SchoolofComputerandTechnololgy，NanjingUniversityofScience andTechnology，Nanjing210094，China) Abstract：TheRBF neuralnetworkforclassificationisappliedinfacerecognition．W ithtwoimportant criterionforestimatingtheinitialwidthofRBF unit，thewidth cancontrolthegeneralization ability of RBFneuralnetworkclassifier．PCAmethodtothetrainingsamplesettheprojectiontothefacespace，to reducedimension．OnthebasisofthePCA transof／In，anoptimal subspaceclassificationmakesthedis． tancebetweentheclassestomaximizetheratioofthedistanceusingFLD method．Simulationisconduc． tedontheORLdatabase．anditsresultsshow thatthealgorithm iSefficiencyand effectiveness． Keywords：radialbasisfunction (RBF)；weightadjustment；gradientdescentmethod；facialfeature 在许多模式识别系统中，用到最多的分类方法 1 RBF神经网络与识别技术理论分析 是统计方法，即将从输入模式的统计信息得到的决 策理论用来设计分类器。尽管这类方法 已经成功地 1．1 RBF神经网络的理论分析 用来解决各种模式分类问题，但如果没有合适的特 一 个具有r个输入和一个输出的RBF神经网 征选择，它还是很难表示结构信息的。基于神经网 络，该网络可以看成如下形式的映射．厂：R一 ： 络的方法作为一种基于统计和结构化的方法，是实