為了提高小數(shù)據(jù)集下人臉識別的準確率,提出基于主成分分析（PCA）算法和非線性支持向量機算法的算法分類器。同時為了進一步優(yōu)化該算法分類器,提出利用網(wǎng)格搜索法改進非線性支持向量機SVC算法。改進后的SVC算法能自主尋找最優(yōu)參數(shù),使得整個學(xué)習(xí)分類器處于性能最優(yōu)狀態(tài)。經(jīng)實驗證明組合PCA和改進后的SVC學(xué)習(xí)分類器不但有效提高了人臉識別的準確率,并且節(jié)省人工選取特征的時間成本。 

【文章來源】：無線電通信技術(shù). 2019,45(01)

【文章頁數(shù)】：5 頁

【部分圖文】：

原始圖像與PCA特征提取后的圖像對比②構(gòu)建高斯徑向基核函數(shù)的非線性支持向

【參考文獻】：
期刊論文
[1]基于特征臉的主成分分析人臉識別[J]. 陳勇,林穎.  計算技術(shù)與自動化. 2017(02)
[2]人臉識別技術(shù)綜述[J]. 左騰.  軟件導(dǎo)刊. 2017(02)
[3]人臉識別綜合技術(shù)的發(fā)展[J]. 蘇楠,吳冰,徐偉,蘇光大.  信息安全研究. 2016(01)
[4]基于直方圖均衡化、PCA和SVM算法的人臉識別[J]. 孫文榮,周先春,嵇亞婷.  軟件. 2014(08)
[5]基于分類稀疏表示的人臉表情識別[J]. 馮杰,屈志毅,李志輝.  軟件. 2013(11)
[6]基于魯棒稀疏編碼的表情識別方法[J]. 歐陽琰,桑農(nóng),黃銳.  武漢理工大學(xué)學(xué)報(信息與管理工程版). 2013(03)
[7]基于PCA特征提取和距離哈希K近鄰分類的人臉表情識別[J]. 蔡則蘇,祝丁丁,何健.  智能計算機與應(yīng)用. 2012(01)
[8]基于支持向量機的人臉識別方法研究[J]. 王宏漫,歐宗瑛.  小型微型計算機系統(tǒng). 2004(01)



本文編號：3427856