基于公共矢量的总间隔v最小类内方差支持向量机在噪音人脸图像分类中的应用

作者：杨冰 王士同支持向量机最小类内方差支持向量机判别公共矢量公共矢量人脸识别

摘要：为提高噪音人脸图像分类问题中的抗噪性能，在综合最小类内方差支持向量机（minimum class variance support vector machines，MCVSVMs）和总间隔v一支持向量机（total margin Vsupportvector machine，TM—v—SVM）的优点的基础上，提出了基于公共矢量的总间隔v最小类内方差支持向量机（Totalmargin Vminimum class variance support vector machines based on oommon vectors，TM—v—M（CV）2SVMs）。受公共矢量（commonvectors，CVs）的启发，引入了散度矩阵以进一步提高算法的分类性能和抗噪性能，并给出了TM—v—M（CV）。SVMs的推导过程。经实验证明，在噪音人脸图像的分类问题中，TM—v—M（CV）。SVMs获得了比MCVSVMs和TM—v—SVM更好的分类性能和抗噪性能。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社