全文总字数：1808字

1. 1. 毕业设计（论文）的内容、要求、设计方案、规划等

在人脸识别过程中，人脸图像往往具有复杂的非线性分布结构，通常人脸识别是非线性可分的问题。针对非线性可分的问题，核技术(kernel trick)是模式识别中处理非线性可分的重要方法。支持向量机（SVMs）在模式识别领域获得成功的关键因素之一就是使用了核技术(kernel trick)，其思想就是通过适当的非线性映射Φ将非线性可分的原始样本输入空间变换到某一线性可分的高维特征空间（Hilbert空间）H，而这种非线性映射Φ是通过定义适当的内积函数(核函数k(x,y)=(Φ(x),Φ(y)))来实现的，不必知道采用的非线性映射Φ的形式。在高维空间中的线性问题的计算复杂度并没有增加。核技术提供了一种有效提取样本的非线性特征的方法：即主成分分析（PCA）、费舍尔鉴别分析(FDA)与支持向量机相结合。提出核主成分分析（KPCA）、核费舍尔鉴别分析（KFDA）等特征提取方法，给出严格理论推导和计算机仿真，比较他们识别率和计算速度。通过具体实验比较和理论探讨，得出了相应的结论。

2. 参考文献（不低于12篇）

1.杨健　杨静宇:具有统计不相关性的图像投影鉴别分析及人脸识别 计算机研究与发展 2003 140(13): 447452

2.陈才扣, 杨静宇, 杨健: 一种融合pca 和kfda 的人脸识别方法，控制与决策，2004 vo l. 19 no. 10

3.金忠　杨静宇　胡钟山:有效最佳鉴别特征的抽取与维数问题, 计算机学报，2000 vol. 23 no. 1