基于支持向量机的人耳识别研究  

作　　者：王子豪[1] 关瑜[1] 唐婉冰 李琛[1] 

机构地区：[1]北方工业大学计算机学院

出　　处：《中国科技信息》2015年第24期115-117,共3页China Science and Technology Information

基　　金："北京市北方工业大学学生科技活动"项目资助

摘　　要：本文着重研究了基于支持向量机方法对人耳特征识别正确率的影响。通过局部二值模式(LBP)和主成分分析法(PCA)两种不同的特征提取算法分别结合SVM分类器进行识别,研究更优的特征提取和分类方法的结合方式。为了进行充分的比较并说明算法的有效性,同样以LBP和PCA分别结合欧氏距离分类器进行识别作为比较,进一步验证了基于支持向量机(SVM)进行识别的有效性。实验结果表明,在同等条件下训练集占比越大,所得识别率越高。对于训练集个数较多的图像库来说,通过PCA和SVM结合的方法可以得到更高识别率。

关 键 词：支持向量机方法 人耳识别 特征提取算法 SVM分类器 欧氏距离分类器 主成分分析法 特征识别 二值模式 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]