欢迎来到天天文库
浏览记录
ID:35057923
大小:4.68 MB
页数:62页
时间:2019-03-17
《基于one-class svm的人脸识别研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、分类号密级硕士学位论文题目:基于One-classSVM的人脸识别研究英文并列题目:FacerecognitionmethodbasedonOne-classSVM研究生:张彬专业:计算机科学与技术研究方向:人工智能与模式识别导师:朱嘉钢指导小组成员:学位授予日期:2016.6答辩委员会主席:张曦煌江南大学地址:无锡市蠡湖大道1800号二○一六年六月独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。尽我所知,论了文中特别加>乂标注和致谢的地方外,论文中不色含其他人已经发表或撰写过的研究成果,
2、也不包含本人为获得江南大学或其它教育机构的学位或证书而使用过的材料一。与我同工作的同志对本研究所做的任何贡献均色在论文中作了明确的说明并表示谢意。才來曰全签名:芬期:兴//.关于论文使用授枚的说明本学位论文作者完全了解江南大学有关保留、使用学位论文的規定:江南大学有权保留并向国家有关部口或机拘送交论文的复印件和碰盘,允许论文被查阅和借阅k乂将学位论文的全部或部分内容编入,可有关数据库进行检索,可W采用影印、缩印或担描等复制手段保存、汇编学位论文,一致并且本人电子文档的内容和纸质论文的内容相。保
3、密的学位论文在解密后也遵守此规定.签义:券橄导师签义:_曰期:如//.女片摘要随着信息安全技术不断加强,人脸识别作为生物特征识别技术的一个重要分支,其已经发展成了人工智能与模式识别领域中的研究热点之一。其中,快捷性、可信性和非间接性是人脸识别最重要的特性。然而,在实际问题中,人脸识别技术很难被推广到具体应用中,往往会碰到只能获取到一类人脸样本的问题,同时,在人脸识别过程中,最重要的两个部分是特征提取和分类器选择。针对此问题,本文提出了把One-classSVM(OC-SVM)作为分类器应用到人脸识别中。OC-SV
4、M的主要优点之一是对训练样本的良好描述,当使用OC-SVM处理一个新样本时,可以根据训练样本的相似性接受或者拒绝它(这个新样本)。对于人脸样本只能获取其中特定的一类样本,即单分类问题时,可以用一个OC-SVM分类器来进行识别;对于人脸样本能获取到多类样本,即多分类问题时,可以用多个OC-SVM分类器来进行识别。所以,OC-SVM既可以处理不平衡样本时的一类人脸识别问题,也可以处理正常的多类人脸识别问题。通过对上述背景及相关理论知识的研究,对OC-SVM中一种性能较优异的粗糙One-classSVM(ROC-SVM)进行改进和探索,同时,
5、对OC-SVM的核函数构造和选择进行创新和研究。本文的主要工作如下:(1)传统的ROC-SVM中存在一个较为明显的问题,即忽略了训练样本的类内结构。为了能得到更好的粗糙超平面,本文提出了一种基于类内散度的粗糙One-classSVM(WSROC-SVM),通过使训练样本的类内散度最小化的方式来优化训练样本类内结构,从而使训练样本在高维特征空间中与原点的间隔尽可能的大,同时充分利用训练样本的类内结构,使目标样本在上近似超平面尽可能紧密。该方法不仅处理了训练样本的过拟合问题,还考虑到训练样本类内结构这一非常重要的先验知识。最终,在UCI数据
6、集上的实验结果表明,较之原始算法,该方法有着更高的识别率和更好的泛化性能,在解决实际分类问题时更具优越性。(2)本文对OC-SVM的核函数选择和构造进行了探索和研究。由于OC-SVM的训练样本只有一类,发现训练样本的预处理对其分类性能影响很大。于是,本文构造了一种基于加权特征高斯核函数,同时选择了一种基于高斯分布的Fisher核函数,并把这两个核函数分别用于OC-SVM中,最终,通过UCI数据集上的实验结果证明了这两个核函数的有效性,且都提高了识别精度。(3)在WSROC-SVM的基础上设计并实现一个人脸识别系统。首先采用HOG特征提取
7、,利用WSROC-SVM设计一种人脸识别算法,然后通过实验选出其中最优参数,将其用于实现人脸识别应用。最终,通过实验证明,WSROC-SVM在人脸识别中排异性较好。关键词:人脸识别,粗糙集,一类支持向量机,类内散度,核函数IAbstractWiththedevelopmentoftheinformationsecuritytechnology,facerecognitionwhichisanimportantbranchofbiometricidentificationtechnologyhasbecomeahotresearchtop
8、icinthefieldofartificialintelligenceandpatternrecognition.Rapidity,credibilityandindirectionarethemosti
此文档下载收益归作者所有