人脸图象特征抽取和识别的一种混合方法研究

提出了将Fisher线性判别、支持向量机和决策树方法相结合的人脸识别方法。首先用Fisher线性判别法对人脸图象进行特征抽取，压缩了图象的维数，再在特征空间中用SVM(Support Vector Ma-chine)和决策树结合的方法设计人脸分类器。在ORL人脸库上的实验结果表明了该方法对解决小样本、非线性以及高维的模式识别问题的有效性。     

模糊支持向量机和独立成分分析在人脸识别中的应用

将独立成分分析(ICA)、模糊支持向量机(FSVM)以及三叉决策树相结合并应用于人脸识别.首先对人脸图像做独立成分分析,提取有利于分类的面部特征的主要独立成分,然后在特征空间中,用FSVM和三叉决策树相结合设计人脸分类器.在ORL人脸库上的实验结果表明,该算法能够取得较好的分类效果.     

模糊支持向量机和独立成分分析在人脸识别中的应用

将独立成分分析(ICA)、模糊支持向量机(FSVM)以及三叉决策树相结合并应用于人脸识别。首先对人脸图像做独立成分分析，提取有利于分类的面部特征的主要独立成分，然后在特征空间中，用FSVM和三叉决策树相结合设计人脸分类器。在ORL人脸库上的实验结果表明，该算法能够取得较好的分类效果。     

基于KPCA与KFDA的SAR图像舰船目标识别

针对SAR图像中舰船目标识别的问题,提出了基于核主成分分析(Kernel Principal Component Analysis,KPCA)和核Fisher判别分析(Kernel Fisher Discriminate Analysis,KFDA)相结合的舰船目标识别算法.用核主成分分析的方法对实测的SAR舰船目标数据进行特征降维,再结合核Fisher判别分析法对降维后的样本数据进行多类别分类.将该方法用于对实测的四类舰船目标进行识别,平均识别率可达91.25%.实验结果表明,核主成分分析与核Fisher判别分析相结合的方法可提取目标的有效特征,在较低特征维数情况下获得较高的目标正确识别率.     

基于KPCA与KFDA的SAR图像舰船目标识别

针对SAR图像中舰船目标识别的问题,提出了基于核主成分分析(Kernel Principal Component Analysis,KPCA)和核Fisher判别分析(Kernel Fisher Discriminate Analysis,KFDA)相结合的舰船目标识别算法。用核主成分分析的方法对实测的SAR舰船目标数据进行特征降维,再结合核Fisher判别分析法对降维后的样本数据进行多类别分类。将该方法用于对实测的四类舰船目标进行识别,平均识别率可达91.25%。实验结果表明,核主成分分析与核Fisher判别分析相结合的方法可提取目标的有效特征,在较低特征维数情况下获得较高的目标正确识别率。     

一种基于粗糙集的决策树生成算法

针对决策树的构造和修剪通常不能同时进行所产生的效率低下的问题，提出了基于粗糙集理论中知识依赖性的决策树构造方法。利用优先策略，将知识依赖性同时作为属性约简和建树的准则，在决策树预修剪的同时进行节点生成，大大提高了决策树构造的效率。使用Fisher＇s iris数据集对琏于粗糙集理论中知识依赖性的决策树生成算法和用回归拟合方法的决策树生成算法进行比较。实验结果表明，前者的分类精度和决策树模型的复杂程度要明显优于后者。     

基于谱分解的F-S最佳鉴别平面及舰船识别研究

Fisher最佳鉴别分析方法已在许多模式识别问题中取得成功应用。Fisher最佳鉴别分析建立在对Fisher最佳鉴别准则的最优化基础上。本文利用对类内矩阵S10进行谱分解，提出一种在类内矩阵S10的零空间中求解F—S最佳鉴别平面的新方法。我们将此方法应用于红外舰船图象的特征抽取和识别的研究。实验结果表明了该方法的有效性。     

多种代数特征抽取方法下的图像分类算法研究

文中分别用主成分分析、独立成分分析以及线性鉴别分析方法对图像进行特征抽取,同时采用K近邻算法和支持向量机算法进行人脸图像分类.通过在YALE人脸图像库上实验,结果表明:多种特征抽取方法下的图像分类算法是有效的.     

多特征融合的级联回归人脸对齐方法研究

深度神经网络技术在人脸识别方面已经取得了巨大进步,但是大多数方法只是运用人脸深度特征而并没有分析哪些特征是有效的.为了探索针对人脸识别任务的有效结构化特征,提出了基于多种特征级联回归方法的人脸关键点检测模型,将两两关键点对应的人脸局部特征对之间的结构关系、整张人脸图像的全局表观和关键点对应的局部热图这3种人脸特征融合之后用于人脸对齐任务.实验证明,多特征级联回归法与记忆下降法相比,人脸对齐任务错误率下降了30.17%,与最新的一些人脸对齐模型具有一定的可比性.     

一种个体特征脸子空间与奇异值相结合的人脸验证算法

提出了一种个体特征脸子空间与奇异值特征相结合的人脸验证方法.该方法首先利用小波变换减小表情因素对人脸验证的影响,再为每个人建立单独的个体特征脸子空间.验证时,将测试人脸投影到训练样本的特征脸子空间上,然后利用样本特征脸子空间的奇异值特征矢量在欧氏距离上进行验证.本文为ORL人脸数据库制定了实验协议,并在此基础上进行了测试,取得了较好的结果.