1. 1. 毕业设计（论文）的内容、要求、设计方案、规划等
在人脸识别过程中，人脸图像往往具有复杂的非线性分布结构，通常人脸识别是非线性可分的问题。针对非线性可分的问题，核技术(kernel trick)是模式识别中处理非线性可分的重要方法。支持向量机（SVMs）在模式识别领域获得成功的关键因素之一就是使用了核技术(kernel trick)，其思想就是通过适当的非线性映射Φ将非线性可分的原始样本输入空间变换到某一线性可分的高维特征空间（Hilbert空间）H，而这种非线性映射Φ是通过定义适当的内积函数(核函数k(x,y)=(Φ(x),Φ(y)))来实现的，不必知道采用的非线性映射Φ的形式。在高维空间中的线性问题的计算复杂度并没有增加。核技术提供了一种有效提取样本的非线性特征的方法。本课题提出了新的特征提取的方法：针对线性特征提取问题，基于核最大间距准则下，提出一组具有统计不相关性的最优核鉴别矢量集的递推计算计算方法。最优(核)鉴别矢量集中引入统计不相关性是消除了投影变换后特征分量之间的统计相关性，增强特征提取的有效性，提高了识别率。
关键词：特征提取；人脸识别；支持向量机；核技术
2. 参考文献（不低于12篇）
1.Yongzhi LI:. An improved method of face recognition by kernel maximum margin criterion，IEEE Proceedings of the 3th International Conference on Natural Computation, 2007, Vol1, PP: 501-505
2.李勇智，杨静宇，吴松松一种组合类别信息的核主成分分析方法，模式识别
与人工智能 2008 Vol.21 No.3 PP:410416 (EI index: 083211445195)
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
