论文研究一种基于核函数特征提取改进方法的应用.pdf

针对标准的核典型相关分析（KCCA）方法在对训练样本增大的情况下相应计算机复杂度剧增、内存占用量大的缺陷，在对标准的KCCA特征提取方法分析推导的基础上，提出了一种改进的核函数特征提取方法。该方法首先根据特征值的大小对训练样本重要程度进行判断，进而完成对应特征向量的提取;然后通过与SVDD分类器的结合，在对图像识别率影响不大的情况下，提升了对图像特征提取的效率,节省了系统的存储量；最后通过在Yale标准人脸库上进行仿真对比实验，验证了该方法的可行性，从而为提高图像模式识别效率提供了一种有效的途径。