支持向量机在分及人脸检测应用中的研究.pdfVIP

倾J“论文 支持向量机在分类及人脸检测应用中的研究 摘 要 531658 Vector Machines，简称SVM)是在统计学习理论的基 支持向量机(Support 础上发展起来的一种新的学习方法，它已初步表现出很多优于己有方法的性能。 由于采用了结构风险最小化原则代替经验风险最小化原则，使得较好的解决了小 样本学习的问题；又由于采用了核函数思想，使它把非线性空问的问题转换到线 性空间，降低了算法的复杂度。正是因为其完备的理论基础和出色的学习性能， 该技术已成为机器学习界的研究热点，并在很多领域都得到了成功的应用，如人 脸检测、手写体数字识别、文本自动分类等。但是作为一种新兴技术，SVM在 很多应用领域的研究还有待探索和完善。例如：核函数和参数的选择缺乏理论指 导、缺乏容嗓性能、训练算法的完善、不支持增量学习、缺乏和先验知识的整合 能力等等。这些问题的存在，使得SVM在很多领域的应用受到了很大限制。本 文在学习探讨SVM算法的同时，对SVM在图像处理领域的几种应用进行了论 述。 本文工作包括：