基于PSO训练SVM的人脸识别 利用支持向量机在学习能力方面表现的良好性能,结合核主元分析特征提取方法,将其应用于人脸识别中,该方法在实验中表现了良好的识别性能,为人脸识别领域提供了一条新的识别途径-PSO-based SVM for face recognition training using support vector machine learning ability in the performance of good performance, combined with KPCA

二维线性鉴别分析(2DLDA)算法能有效解决线性鉴别分析(LDA)算法的“小样本”效应，支持向量机 (SVM)具有结构风险最小化的特点，将两者结合起来用于人脸识别。首先，利用小波变换获取人脸图像的低频分量，忽 略高频分量：然后，用2DLDA算法提取人脸图像低频分量的线性鉴别特征，用“一对多”的SVM 多类分类算法完成人脸 识别。基于ORL人脸数据库和Yale人脸数据库的实验结果验证了2DLDA+SVM算法应用于人脸识别的有效性。-”Small sample size”problem

matlab图像处理非常重要，Gabor小波提取特征,然后用支持向量机作分类器，可以用于掌纹，人脸，指纹识别-Gabor wavelet feature extraction, and then use the support vector machine classifier, can be used for palmprint, face, fingerprint recognition

利用支持向量机进行人脸识别，需要自己下载SVM工具包(Support vector machine for face recognition, you need to download SVM Toolkit)