6
一种KPCA的快速算法.pdf
一种KPCA的快速算法一种KPCA的快速算法一种KPCA的快速算法
10
pca和KPCA的基本介绍.doc
pca和KPCA的基本介绍pca和KPCA的基本介绍pca和KPCA的基本介绍
8
L1 norm based KPCA for novelty detection.pdf
L1 norm based KPCA for novelty detection
22
报告四 K-L变换,kpca,fisher.doc
基于K-L变换的iris 数据分类 一、实验原理 K-L(PCA)变换是一种基于目标统计特性的最佳正交变换。它具有一些优良的性质:即变换后产生的新的分量正交或者不相关;以部分新的分量表示原矢量均方误差
8
基于KPCA 和SVM 的人脸识别研究.pdf
基于KPCA 和SVM 的人脸识别研究
4
基于KPCA的非线性ASM定位方法研究.pdf
基于KPCA的非线性ASM定位方法研究基于KPCA的非线性ASM定位方法研究基于KPCA的非线性ASM定位方法研究
4
an improved algorithm of kpca-sift for image registration.pdf
an improved algorithm of kpca-sift for image registration
4
改进KPCA对分类数据的特征提取.pdf
万家强,王越,刘羽:改进KPCA对分类数据的特征提取 2010,31 (18) 40850 KarlPearson 提出了主成分分析 (PCA),1909 年Mercer 提出了核理论,由此形成了核主
5
基于KPCA和Gabor小波的特征融合人脸识别.pdf
基于KPCA和Gabor小波的特征融合人脸识别基于KPCA和Gabor小波的特征融合人脸识别基于KPCA和Gabor小波的特征融合人脸识别
56
基于KPCA的人脸识别中核函数参数的研究.pdf
采用KPCA方法进行人脸识别已经得到了广泛的应用。在识别中,虽然关于核函数和核方法的研究很多,但是至今没有一种好的方法能够有效的指导如何选择最优的核函数及其参数,目前大多是在特定的应用领域内,采取实验的办法来分析解决。核函数及其参数的选择仍然一个具有挑战性的问题。本文针对目前利用KPCA方法进行人脸识别的现状,主要对核函数及其参数、训练样本、分类器的选择进行分析研究,以得到最优的解决方案和最佳的参数区间,避免在做识别实验前做过多的参数选取工作。1.核函数的选择本文采用三种核函数构造了不同的KPCA核变换矩阵,发现当选取多项式核函数和神经网络核函数时,对参数的选择十分苛刻,极易造成病态核矩阵,产生负特征根和负特征向量,导致KPCA变换模型构建失败;相比较而言,径向基核函数的变换矩阵的正定性非常好,适应参数的范围较广。因此,本文选用径向基核函数作为变换核函数。2.核函数参数的选择实验对选用的径向基核函数的参数52与识别率之间的关系,我们进行实验:在ORL人脸库40个人400幅人脸图中,分别在每人的10幅样本图像中随机选取5幅作为训练样本,其他5幅作为测试样本(共喘二252种组合,我们选取其中的10%左右的样本,样本数量取30组),为了更好的确定径向基核函数的参数与识别率的关系,我们取[0,加0011这个大区间来测试,最后实验获得了较好的结果。3.分类器的选择在做人脸识别时,人们通常选择欧氏距离分类器进行实验,本文分别采用欧氏距离的最小距离分类器和余弦距离分类器进行实验,得到两组不同的识别率,即识别率与分类器的选择有关。关键词:核主成分分析;人脸识别;核函数;欧氏距离分类器

向豆丁求助:有没有kpca?

如要投诉违规内容,请联系我们按需举报;如要提出意见建议,请到社区论坛发帖反馈。