基于核典型相关分析和支持向量机的图像识别技术

作者：潘惠苹; 任艳; 徐春

来源：南京理工大学学报, 2022, 46(03): 284-290.

DOI：10.14177/j.cnki.32-1397n.2022.46.03.005

• 核典型相关分析
• 支持向量机
• 图像识别
• 神经网络
• 卷积神经网络

为了提高图像识别性能，采用核典型相关分析(KCCA)和支持向量机(SVM)相结合的方法进行图像识别。从不同维度获取图像文本特征，并采用KCCA方法对图像不同维度特征进行相关分析。将相关系数高的特征进行有效优化，从而保存差异度高的图像判别特征。对经过KCCA后的图像特征进行SVM判别，获得图像识别结果。实验证明，通过选择合适的KCCA核函数，对图像特征进行相关分析，并提取全面有效的图像判别特征，既降低了图像冗余特征，又保存了图像识别特征的全面性。与SVM、神经网络(NN)、卷积神经网络(CNN)相比，KCCA-SVM算法能够获得更高的图像识别准确率。

• 单位
  广东工商职业学院; 新疆财经大学