论文部分内容阅读
在人脸识别研究问题中,传统的K-近邻分类器是仅基于一种测度进行分类的。但是,这种仅基于一种测度进行分类的方法没有充分考虑不同特征间的相似信息,因而往往分类不够准确。针对这个问题,本文提出了基于距离和角度两种测度联合分类的改进近邻分类器。即在距离测度的基础上融合cosine分类器的角度信息作为分类测度,同时在分类过程中运用模糊识别,以改善传统近邻分类器的分类效果。经计算机仿真数据实验,表明这种改进的近邻分类器与Gabor小波的结合,提高了人脸识别率。