摘 要： 提出了基于獨立分量分析進行特征提取和采用模糊支持向量機實現分類的人臉識別新方法。首先利用獨立分量分析方法構造人臉的特征臉空間,在特征臉空間上運用模糊支持向量機進行分類識別。在ORL人臉數據庫的仿真結果表明,該算法能有效提高人臉識別性能，具有較高的識別率。
關鍵詞： 獨立元分析；支持向量機；模糊支持向量機；人臉識別
在人臉識別中，為了提高人臉識別率，尋找一個好的特征提取方法和分類器非常關鍵。目前常用的人臉特征提取方法有特征臉法、奇異值分解、傅里葉變換及小波分解等，常用的人臉識別分類器有人工神經網絡分類器、最近鄰分類器、Fisher線性分類器和基于統計學習的分類器等[1-2]。
支持向量機SVM（Support Vector Machine）最初由Vapnik等人于20世紀90年代提出，它建立在統計學習理論基礎上，克服了小樣本和高維數問題，是一種新型的機器學習方法[3-5]。然而在實際問題中，不同的樣本對分類的作用不一定是相同的，因此，對所有的訓練樣本采用相同的錯分懲罰是不合理的?；谝陨峡紤]，Lin Chunfu等人[6]將隸屬度函數引入支持向量機中，提出了一種模糊支持向量機，在支持向量機的基礎上給每個樣本分別賦—個隸屬度值，對不同的樣本采用不同的懲罰權重系數，在構造目標函數時，使不同的樣本有不同的貢獻，對噪聲或孤立點賦予很小的權值，從而達到消除噪聲或孤立點的目的。張釗等[7]提出在二叉樹支持向量機的基礎上結合模糊支持向量機理論提出的多分類方法，克服了上述缺點，取得了較好的分類效果。宦若虹等把支持向量機應用于人臉識別[8]提出采用ICA和SVM進行圖像的目標提取和識別，取得了一定的效果。
本文在參考文獻[7]和參考文獻[8]等工作的基礎上，結合獨立元分析和模糊支持向量機分類器，提出了一種新人臉識別方法。首先利用獨立分量分析對人臉圖像進行人臉特征臉空間的特征提取，所得到的特征值組成向量，再利用模糊支持向量機分類器對各類人臉圖像進行分類。基于ORL人臉圖像庫的實驗結果表明，本文的識別方法非常有效，且算法簡單，易于實現。
1 模糊支持向量機分類器
1.1 FSVM模糊支持向量機的多類算法
參考文獻[6]將模糊技術應用于支持向量機中，提出了一種模糊支持向量機，針對支持向量機對訓練樣本內的噪聲和孤立點的敏感性，引入模糊參數，對不同的樣本采用不同的懲罰系數，使得對決策函數的學習有不同的貢獻，從而減弱噪聲及孤立點對分類的影響。
從結果可以看出，在相同的實驗條件下，本文提出的方法的識別率明顯高于其他3種分類算法，誤識標準差也更小，說明系統更加穩定。
本文結合獨立元分析和模糊支持向量機分類器，提出一種新的人臉識別方法。首先利用獨立分量分析對人臉圖像進行人臉特征臉空間的特征提取，將所得到的特征值組成向量，再利用模糊支持向量機分類器對各類人臉圖像進行分類。實驗結果證明，與采用單獨的PCA+SVM、ICA+SVM等方法相比，該方法具有更好的魯棒性且識別精度較高。
參考文獻
[1] ZHAO W Y， CHELLAPPA R， ROSENFELD A， et al. Face recognition： a literature survey[J]. ACM Computing Surveys， 2003，35（4）：399-458.
[2] 楊潔，馮力剛，蔣加伏.基于小波包和支持向量機的人臉識別[J].計算機仿真，2004，21（9）：131-133.
[3] CRISTIANINI N， TAYLOR J S. An introduction to support vector machines and other kernel-based learning methods[M]. Cambridge： Cambridge University Press， 2000.
[4] 鄧乃揚，田英杰. 數據挖掘中的新方法——支持向量機[M].北京：科學出版社， 2004.
[5] 祁亨年.支持向量機及其應用研究綜述[J].計算機工程， 2004，30（10）：6-9.
[6] Lin Chunfu， Wang Shengde. Fuzzy support vector machines[J]. IEEE Transactions on Neural Networks，2002， 13（2）： 464-471.
[7] 張釗，費一楠，宋麟，等. 基于模糊支持向量機的多分類算法研究[J].計算機應用，2008，28（7）：1681-1683.
[8] 宦若虹，楊汝良.基于ICA和SVM的SAR圖像特征提取與目標識別[J].計算機工程，2008，34（13）：24-28.
[9] BELLA J． An information maximization approach to blind separation and blinddeconvolution[J]. Neural Computation，1995，7（6）：1129-1159．