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

该方法随机给定神经元权值中的输入权值和阈值，然后通过正则化原则计算输出权值，神经网络依然能逼近任意连续系统。(The method gives the input weights and thresholds of neuron weights randomly, and then calculates the output weights by regularization principle. The neural network can still approximate any cont

正则化学习机，通过对学习过程施加光滑约束，将不适定学习问题转化为适定学习问题，从而避免伪逆的数值不稳定性。(Regularized Extreme Learning Machine)