组合核函数支持向量机在人脸识别中的应用

"这篇文章是2013年6月发表在《重庆理工大学学报(自然科学)》第27卷第6期上的一篇自然科学论文，由晁学民和周继萍合著。研究主要探讨了基于组合核函数的支持向量机在人脸识别中的应用。论文得到了重庆市自然科学基金和重庆市教委科技项目的资助。" 本文提出了一种利用K-L变换和组合核函数支持向量机（SVM）进行人脸识别的方法。K-L变换，即Karhunen-Loève变换，是一种统计图像处理技术，用于将高维数据转换到低维空间，同时保持数据集的主要特性，这在人脸识别中可以有效地提取人脸图像的关键特征参数。 支持向量机（SVM）是一种监督学习模型，特别适合处理小样本、非线性及高维模式识别问题。在人脸识别中，SVM通过构建决策边界来区分不同人脸，具有优秀的泛化能力。为了提高SVM的学习能力和泛化能力，作者提出了一种新的核函数——组合核函数。这种核函数是将局部核函数和全局核函数进行线性组合，目的是结合局部特征和全局特征的优势，以更好地适应复杂的数据分布。 组合核函数的优化选择是通过交叉验证（Cross-Validation）方法实现的，这是一种评估模型性能的统计方法，能够有效避免过拟合，选择出最佳的模型参数和组合系数。将优化后的组合核函数应用到SVM中，作者在YALE人脸库和ORL人脸库上进行了实验，这两个数据库是常用的人脸识别测试集，包含多个人的不同表情和光照条件下的脸部图像。 实验结果表明，采用组合核函数的SVM在人脸识别任务上的性能优于传统单一核函数的SVM，验证了组合核函数的有效性和优越性。这为支持向量机在复杂人脸识别问题中的应用提供了新的思路和方法。 关键词涉及支持向量机（SVM）、人脸识别和组合核函数，文章的分类号为TP181，文献标识码为A，文章编号为1674-8425(2013)06-0084-04，作者晁学民是硕士研究生，讲师，专注于图像处理和模式识别领域的研究。