最小二乘支持向量机在人脸识别中的应用  

The application of least squares Support Vector Machine in face recognition

作　　者：何晨光[1] 贺思德[1] 董志民[2] 

机构地区：[1]云南大学信息学院,云南昆明650091 [2]华中科技大学软件学院,湖北武汉430074

出　　处：《云南大学学报（自然科学版）》2008年第3期239-245,共7页Journal of Yunnan University(Natural Sciences Edition)

基　　金：云南省教育厅科学研究基金资助项目(200502)

摘　　要：支持向量机(SVM)模式识别方法具备良好的分类性能和鲁棒性,在介绍了典型支持向量机与最小二乘支持向量机(LS-SVM)原理的基础上,给出最小二乘支持向量机的算法实现过程,将其应用于人脸识别当中,取得较典型支持向量机在时间上较好的效果.在OPL人脸库中的实验结果表明,基于LS-SVM的人脸自动识别系统更能适用于实时性要求较高的场合.Support Vector Machine（SVM ）is a popular discriminant method for the very purpose of achieving high separability between the different patterns in whose classification one is interested with good classification and robust performance, The method of calculation of Least Squares Support Vector Machine（LS _ SVM） is introduced on the basis of the classic SVM and LS_ SVM theories and used in face recognition to achieve a faster effect than the typical SV M. The experimental results on ORL databases show that LS _ SV M system is more applicable to the face recognition environment which demanding realtime application.

关 键 词：人脸识别 支持向量机 最小二乘支持向量机 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]