噪音人脸图像的总间隔v最小类内方差SVM分类  

Total margin v minimum class variance SVM for noisy face classification

作　　者：杨冰[1] 王士同[1] 

机构地区：[1]江南大学信息工程学院,江苏无锡214122

出　　处：《计算机工程与应用》2010年第30期148-152,共5页Computer Engineering and Applications

基　　金：国家高技术研究发展计划(863)No.2007AA1Z158;国家自然科学基金重大项目No.9082002;国家自然科学基金No.60704047~~

摘　　要：提出总间隔v最小类内方差支持向量机(TM-v-MCVSVMs),用于解决含有噪音人脸图像的分类问题,它综合了最小类内方差支持向量机(MCVSVMs)和总间隔v-支持向量机(TM-v-SVM)的优点。给出了TM-v-MCVSVMs在小样本问题和非线性分类问题中的解决方法。经初步的实验验证,在含有噪音人脸图像的分类问题中,TM-v-MCVSVMs获得了比MCVSVMs和TM-v-SVM更好的分类性能。In this paper,the Total Margin v Minimum Class Variance Support Vector Machines（TM-v-MCVSVMs） as the improved version of Minimum Class Variance Support Vector Machines（MCVSVMs） is presented for noisy face recognition,which integrates the advantages of MCVSVMs with TM-v-SVM.The discussions about the proposed TM-v-MCVSVMs for ＂small sample size＂ problem and nonlinear classifications are also given.The experimental results about noisy face classification demonstrate that the proposed TM-v-MCVSVMs has better classification performance than both MCVSVMs and TM-v-SVM.

关 键 词：支持向量机(SVM) 最小类内方差支持向量机(MCVSVMs) 总间隔v-支持向量机(TM-v-SVM) 人脸识别 主成分分析(PCA) 核主成分分析(KPCA) 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]