本文的题目是改进的核函数算法及其在人脸识别中的应用研究。 本文在系统学习现有核函数及支持向量机相关理论的基础上，系统研究了自适应选择核函数算法，通过引入朴素正则风险最小化准则，提出了一种改进的在线核函数算法。算法采用截断误差最小化、合理选取拉格郎日因子等方法对新增样本进行训练，有效地克服了现有方法收敛精度低和不能自适应选择样本的困难。 根据独立分量分析的原理和特点，将改进的核函数算法引入人脸识别的研究中，给出了基于ICA-SVM的人脸识别算法及实现方法。 论文分别应用数值仿

五组在matlab中应用的小程序：（1）carspls and carsplslda，竞争性自适应重加权算法（cars）筛选特征变量，并建立PLS定量或定性模型（2）mcuvepls 蒙特卡罗抽样无关信息消除后，建立PLS定量和定性模型（3）osc，正交信号校正的多变量数据处理方法（4）plot cars-lda-mcs,表征cars-lda-mcs的结果（5）demo 对以上carspls and carsplslda，mcuvepls 方法在matlab中实现举例演示-Five groups