%0 Journal Article
%T 核主成分分析网络的人脸识别方法<br>Kernel principal component analysis network method for face recognition
%A 胡伟鹏
%A 胡海峰
%A 顾建权
%A 李昊曦&lt
%A br&gt
%A HU Weipeng
%A HU Haifeng
%A GU Jianquan
%A LI Haoxi
%J 中山大学学报(自然科学版)
%D 2016
%X 主成分分析网络(principal component analysis network, PCANet) 是当前流行深度学习模型，在人脸识别、目标识别、纹理分类和手写体数字识别等方面有广泛应用。在PCANet方法基础上, 该文提出基于核主成分分析网络(kernel principal component analysis network, KPCANet)的人脸识别方法。算法由四部分组成：主成分分析(PCA)、核主成分分析(KPCA)、二值化哈希、分块直方图。在 Extended Yale B和AR 两个经典人脸库上的实验结果表明，所提方法在识别性能上优于PCANet方法 ，算法对于不同光照、表情变化下的人脸有更好的识别率和鲁棒性
%K 核主成分分析网络
%K 深度学习
%K 人脸识别
%K 核变换
%K &lt
%K br&gt
%K kernel principal component analysis network
%K deep learning
%K face recognition
%K kernel transformation
%U http://xuebao.sysu.edu.cn/Jweb_zrb/CN/abstract/abstract1486.shtml