摘要:基于最小类内散度支持向量机(MCSVMs)提出一种新的矩阵模式的最小类内散度支持向量机(MCSVMs^matrix).同时为了更好地解决非线性分类问题,将Mewer核函数引入到MCSVMs^matrix方法中,并提出基于矩阵模式的非线性支持向量机:Ker-MMCSVMs^matrix上述两种方法不但继承了MCSVMs的优点,而且由于将矩阵模式的类内散度矩阵引入到支持向量机中,从而在理论上可以较好地解决了MCSVMs方法在处理小样本高维数据集时类内散度矩阵奇异性问题,同时降低了求解类内散度矩阵及其逆矩阵和权重矢量的时间、空间复杂度.因此,在一定程度上提高了分类精度.实验结果也表明MCSVMs^matrix、Ker-MCSVMs^matrix具有上述优势.
关键词:支持向量机 矩阵模式 类内散度矩阵 人脸识别
单位:江南大学信息工程学院; 江苏无锡214122; 盐城工学院信息工程学院; 江苏盐城224001; 浙江大学CAD&CG国家重点实验室; 浙江杭州310027
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社