基于核的學習方法及其在人臉識別中的應用研究.pdf

1、該文主要研究基于核函數(shù)的機器學習方法(以下簡稱核學習方法)的理論、算法和應用.針對目前核學習方法中存在的一些問題:如何提高現(xiàn)有的核學習算法的速度、性能,如何擴大核學習方法的應用范圍,增加核函數(shù)的種類、核函數(shù)的選擇、核參數(shù)的選擇等問題,該文對核學習方法理論展開了較深入地分析和研究,并取得了一些有意義的成果,解決了核學習方法中存在的一些問題.該文主要研究工作和創(chuàng)新成果如下:(1)核學習方法支持向量機(簡稱SVM)學習算法的研究:探討了SVM

2、算法原理和有解條件,同時分析和比較了現(xiàn)有的幾種SVM學習算法性能.(2)核學習方法中核函數(shù)的研究:核函數(shù)是核學習方法的核心部分.該文中,我們研究和分析了核函數(shù)與非線性映射以及所映射空間之間的關系.研究了核函數(shù)以及核參數(shù)對學習機器性能的影響,并給出了選擇核函數(shù)的幾條原則.最后提出了一類新的核函數(shù)-自相關核函數(shù).(3)核主分量分析(簡稱KPCA)算法的研究:探討了KPCA算法原理,并將該算法應用于特征提取中,通過實驗將該算法與其它一些特征提

3、取算法進行了分析和比較.(4)核Fisher判決分析(簡稱KFDA)算法的研究:探討了KFDA算法的原理,并將該算法應用于特征提取中,通過實驗對該算法與其它一些特征提取算法進行分析比較.提出了一種快速、簡單的基于KFDA的多類分類算法.該算法簡單、準確、快速.并通過一定的買驗比較了我們的算法與常用的兩種多類分類算法one-to-one,one-to-all的性能,實驗結果驗證了我們方法的良好性能.(5)核聚類算法的研究:探討了K-均值聚