基于非線性特征抽取法和人工神經(jīng)網(wǎng)絡的人臉識別方法的研究.pdf

1、特征抽取是模式識別研究的最基本問題之一。對于圖像識別而言，抽取有效的圖像特征是完成圖像識別的首要任務?；诤说奶卣鞒槿》椒ㄊ亲罱岢龅囊环N非常有效的非線性特征提取的方法。 目前，盡管核方法在圖像等模式識別領域應用的非常廣泛和成功，但也存在如下一些問題：一、構造特征空間H中的核矩陣K所耗費的計算量非常大；二、當訓練樣本數(shù)N很大時，一方面會使得核矩陣的存儲空間急劇增加，另一方面造成核矩陣的不可逆。為此，該文就基于核的非線性特征抽取及

2、識別方法中的許多問題進行了深入研究，在深入分析PCA（Principal Component Analysis）與KPCA（Kernel Principal Component Analysis）法的基礎上提出了一種兩階段的核特征抽取方法：PCA+KPCA，即在進行非線性映射之前，首先利用經(jīng)典的主分量分析降維，然后再執(zhí)行核主分量分析（KPCA）。為了進一步降低經(jīng)典PCA的處理時間，使本算法具有更高的效率，對C-PCA進行了改進，提出了直