基于GPCA的KNNY与SVM融合的人脸识别方法  

Face Recognition Based GPCA of KNN and SVM Fusion

作　　者：焦淑红[1] 孙志帅 

机构地区：[1]哈尔滨工程大学信息与通信工程学院,黑龙江哈尔滨150001

出　　处：《电子科技》2016年第2期74-76,共3页Electronic Science and Technology

摘　　要：针对K近邻和支持向量机人脸识别率较低的问题,采用一种KNN和SVM融合的识别方法。提出了一种Gabor小波和主成分分析进行人脸特征提取,KNN-SVM进行分类的人脸识别方法。基于ORL和YALE人脸库中进行实验,结果表明该算法较KNN和SVM中任何一个的识别率都要高,且识别率最高可达到98.89%。In view of the poor face recognition rate of the K Nearest neighbor and support vector machine （ SVM）, a KNN and SVM fusion recognition method is proposed with a Gabor wavelet and principal component analysis （PCA） for face feature extraction and KNN-SVM classification method for face recognition. Experiments based on ORL and YALE face database show that the proposed algorithm offers a recognition rate up to 98.89%, higher than both KNN and SVM.

关 键 词：K近邻 支持向量机 GABOR小波 PCA 人脸识别 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]