支持向量机与其在人脸识别中的应用研究.pdf

的多炎史持向量机结构灵活，易于扩展。我们从理论【：和实验j二对A11．in．0ne和 One—in．One进行J，分析比较，指明J，两者各自的优缺点，为它们在实际·I一的应川提 供参考。 ·提出』’曲种新的多类支持向量机结果构建算法 阵列法。通过使用校正分类器，NPWC—CC算法将艨来的pairwise 换为一组新的pairwise 局部输出的信度，从而减少不可靠局部输出对全局输出的影响，提高全局输出的 质量。PWC分类器阵列法则为问题域中的每个类别构建一个PWC分类器，每个 PWC分类器m且仪由与对应类别相关的两类分类器组合而成。PWC分类器阵列法 不仪有效克服_r现有PWC算法的缺点，而且成功地将绝大多数的PWC算法统一 到了一·起。在数个基准数据集上的实验证明了NPWC—CC算法和PWC分类器阵列 法的有效性。 ·提出了一种快速的、具有一二叉树结构的支持向量机入腧识别算法 BTBSVM。 实时性是人脸识别系统的一个关键性能。在识别时，普通多类支持向量机需要使 用所有的两类分类器进行计算，识别速度慢，无法达到实时性。通过二叉树的使 用，BTBSVM在派别时只需…小部分两类分类器进行汁算，大大提高丁识别速 度。实验表明，BTBSVM的识别速度比普通多类支持向量机要快数十倍，两者的 识别性能则相差4i多。 关键词模式识别，支持向量机，泛化性能，参数选择，多类，结果构建，人脸识别 Abstract+ vectorroachinefSVMlisan inmachine Support importantalgorithm learning， and usedin domain．Differentfromthosetraditionalal· iswidely patternrecognition onstructuralrisk basedon riskminimizationrule，SVMisbased gorithms empirical minimization itcanachievea balancebetween riskand rule．Thereby good empirical classifier andhasbetter EversinceSVMwas of capacity performance proposed，lots researchershavebeenattractedandalotof havebeenmade．Howevm， developments therearestilltwo selection,andmulti—classSVMsconstruction． openissues：parameter Tileformerreferstohowtoobtainaclassifierwith ability,the satisfyinggeneralization two latterreferstohowtodealwithmulti—class withSVMs％addressthese problems researchesontile SVMs selec—