人脸识别中基于均匀设计的SVM超参数调节方法

摘要：

为了有效地解决超高维、多类别人脸识别中支持向量机(SVM,support vector machine)超参数调节计算复杂性问题,提出一种基于均匀设计(UD,uniform design)的SVM超参数调节的人脸识别方法.用UD代替传统的网格(grid)和梯度下降(gradient descent)方法挑选充分均衡分散在整个试验范围内且能得到满意实验结果的特征点,通过最小化k折交叉验证误差界或留一法(LOO,leave-one-out)误差界获取SVM最佳超参数.在UCI 模拟数据集(Waveforn)及人脸图像库(Yale,PIE)上进行了实验,结果表明,本文方法与传统的SVM超参数调节方法相比,能大大降低超参数调节的时间且能在一定程度上提高人脸分类识别率,使SVM超参数调节方法在解决高维人脸真实数据问题时具有一定的实用价值.

关键词：支持向量机(SVM)超参数调节、均匀设计(UD)、人脸识别、k-折交叉验证误差界、留一法(LOO)误差界

所属期刊栏目：20

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家”十一五”基础研究资助项目C10020060355;国家高技术研究发展计划863计划2007AA1E243;重庆市科技攻关研究资助项目CSTC2007AC2018

在线出版日期：2010-06-30（万方平台首次上网日期，不代表论文的发表时间）

页码：1342-1347