版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、經(jīng)過四十多年的發(fā)展,人臉識別研究已經(jīng)取得了重大進(jìn)展,但仍存在一些不盡人意的地方,還需要解決光照變化、姿態(tài)變化、表情變化等問題。
本文主要關(guān)注于面向人臉識別的支持向量機(jī)中核參數(shù)尋優(yōu),應(yīng)用支持向量機(jī)解決實(shí)際問題時(shí),核函數(shù)以及相關(guān)參數(shù)的選擇對結(jié)果的好壞起著至關(guān)重要的作用,只有選擇合適的核函數(shù)及其參數(shù),才能獲得良好推廣性能的SVM分類器,從而使得人臉在最后識別中獲得較高的識別率。本文的主要工作如下:
1)系統(tǒng)和全面的總結(jié)了支
2、持向量機(jī)基礎(chǔ)理論,介紹了最優(yōu)超平面理論,線性與非線性向量機(jī)的基本原則,總結(jié)出用于解決多類分類問題的策略。從非線性問題引出了核函數(shù),對核函數(shù)的基本概念以及它解決非線性問題的基本思想一一進(jìn)行了詳細(xì)闡述。
2)詳細(xì)闡述了網(wǎng)格搜索法、雙線性搜索法、粒子群算法、遺傳算法這四種方法的常用核函數(shù)參數(shù)選擇方法基本概念,并相應(yīng)的在ORL人臉庫上進(jìn)行了仿真實(shí)驗(yàn),結(jié)合各自的優(yōu)缺點(diǎn),從識別率和識別時(shí)間兩方面因素綜合考慮,共同分析這些算法的性能。
3、> 3)針對網(wǎng)格搜索時(shí)間長的問題提出了一種改進(jìn)的網(wǎng)格搜索法,首先采用大步長的范圍搜索到最佳參數(shù)及在這參數(shù)下的識別率,自動的對此時(shí)參數(shù)范圍左右進(jìn)行對半查找,此時(shí)的步長設(shè)置較小,得到最優(yōu)參數(shù)及此時(shí)的識別率,如果此時(shí)識別率大于之前大步長求得的識別率,則結(jié)束本輪尋優(yōu),如果沒有,則繼續(xù)對范圍對半查找尋找最優(yōu)參數(shù),直至滿足終止條件的情況下找到最優(yōu)參數(shù)。通過在ORL人臉庫上進(jìn)行了仿真實(shí)驗(yàn),將本文所提的方法與經(jīng)典的網(wǎng)格搜索及粒子群兩種方法在識別率及其
4、識別時(shí)間兩個(gè)方面進(jìn)行了比較分析得出,該改進(jìn)的網(wǎng)格搜索法在時(shí)間上面有了較大的提高。
4)針對粒子群容易早熟收斂,局部尋優(yōu)能力較差的缺點(diǎn),通過理論上的分析論證和實(shí)驗(yàn)比較提出了一種新的核函數(shù)選擇方法—基于網(wǎng)格搜索法和粒子群結(jié)合的SVM核參數(shù)尋優(yōu)。先通過網(wǎng)格快速找到參數(shù)最優(yōu)解的大致范圍,然后通過粒子群算法在該參數(shù)范圍附近在進(jìn)行一次更細(xì)致的搜索,直至找到最優(yōu)參數(shù)。通過在ORL人臉庫上進(jìn)行了仿真實(shí)驗(yàn),將本文所提的方法與經(jīng)典的網(wǎng)格搜索及粒子
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 面向人臉識別的圖像表示和分類研究.pdf
- 面向人臉識別的特征定位及幾何校正研究.pdf
- 支持向量機(jī)在人臉識別中的應(yīng)用.pdf
- 支持向量機(jī)的核方法在人臉識別中的應(yīng)用研究.pdf
- 面向人臉識別的特征提取技術(shù)應(yīng)用研究.pdf
- 面向人臉識別的子空間分析和分類方法研究.pdf
- 基于混合核函數(shù)支持向量機(jī)的人臉識別方法研究.pdf
- 面向漢語專有名詞識別的支持向量機(jī)方法研究.pdf
- 基于支持向量機(jī)的人臉識別技術(shù).pdf
- 模糊支持向量機(jī)在人臉識別中的應(yīng)用.pdf
- 3D人臉識別中的支持向量機(jī)研究.pdf
- 支持向量機(jī)超參數(shù)調(diào)節(jié)方法的研究及其在人臉識別中的應(yīng)用.pdf
- 面向人臉識別的流形正則化判別特征提取算法研究.pdf
- 基于支持向量機(jī)的人臉識別改進(jìn)算法.pdf
- 基于支持向量機(jī)的人臉表情識別研究.pdf
- 多核支持向量機(jī)及其在人臉識別中的應(yīng)用.pdf
- 結(jié)構(gòu)損傷識別的支持向量機(jī)方法研究.pdf
- 面向人臉識別的快速特征提取與稀疏表示方法研究.pdf
- 模糊支持向量機(jī)在人臉識別中的應(yīng)用研究.pdf
- 支持向量機(jī)及其在人臉識別中的應(yīng)用研究.pdf
評論
0/150
提交評論