【编者按】：网学网其他类别为您提供基于支持向量机的人脸识别技术研究参考，解决您在基于支持向量机的人脸识别技术研究学习中工作中的难题，参考学习。
4.2 支持向量机的结构设计 由于人脸识别在本质上是一个复杂的多类识别问题，而SVM本身是一种处理两类问题的方法，在处理多类问题时，可以通过组合多个二值子分类器实现对多值分类器的构造。常见的构造方法可以分为“1对1”、“1对多”。本文使用了“1对多”组合的方法。 支持向量机的训练过程： 普通的SVM只能对两类进行分类，不能区分多类。为了解决人脸分类这个多类问题，针对每一个训练一个SVM，具体实现如下所述： 首先假定人脸样本库中包含n个人，每个人有16个样本。 1.从人脸样本库中取出第一个人的所有样本，将其标为类1；将其他的所有人的所有样本标为类2；将标好分类序号的所有样本作为输入样本，来训练一个SVM得到相应得支持向量和相应得分类平面；将该支持向量机序号标为1，表明1号SVM是用来区分第一个人和其余人的。 2. 从人脸样本库中取出第二个人的所有样本，将其标为类1；将其他所有人的样本点标为类2；接下来的步骤与上一步的操作一样；最后将训练好的SVM序号标为2，该SVM是用来区分第二个人和其他所有人的。 3. 重复以上步骤，直到遍历人脸样本库中的所有人。最后得到了n个支持向量机。 关使用支持向量机分类人脸过程： 训练所得的n个SVM可以将人脸样本分为n类，而不是只能将人脸分为两类。当输入一个新的测试样本，同时将该测试样本交由n个SVM进行分类时，则会出现以下几种情况： 1.第i个SVM将该样本分类到类1中，其余的SVM将其分类到类2中，则判断该样本属于人脸样本库中的第i个人。 2.同时有多个SVM将该样本分到类1中，而其余的SVM将其分到类2中，则判断为错分。 3.所有SVM将该样本分到类2中，则判断该样本不属于人脸样本库。 
|
| 本站发布的计算机毕业设计均是完整无错的全套作品，包含开题报告+程序+论文+源代码+翻译+答辩稿PPT |
本文选自计算机毕业设计http://myeducs.cn
|
