收藏本站
《上海交通大学》 2006年
收藏 | 手机打开
二维码
手机客户端打开本文

支持向量机及其在人脸识别中的应用研究

李华庆  
【摘要】:支持向量机是一种重要的机器学习算法,在模式识别领域有着广泛的应用。和传统的基于经验风险最小化准则的学习算法不同,支持向量机基于结构风险最小化准则工作,能在训练误差和分类器容量之间达到一个较好的平衡,因而具有更好的性能。自诞生之日起,支持向量机就迅速赢得了众多研究者的青睐,相关研究不断增加。但到日前为止,其至少有两个问题还未完全解决:参数选择和多类支持向量机的构建。前者研究的是如何选择具有良好泛化性能的分类器,后者研究的是如何使用支持向量机来处理多类问题。针对这两个问题,本文作了三方面研究:两类支持向量机的参数选择研究、多类支持向量机的参数选择研究以及多类支持向量机的结果构建研究,研究结果在多个国际通用的基准数据集上进行了验证。 人脸识别是模式识别的一个重要分支,其研究不仪有助于机器智能的实现,还能推进对人类视觉系统的理解。很多研究表明,使用支持向量机进行人脸识别能够获得很高的识别率。然而,一个尴尬的事实是,鲜有成熟的商业人脸识别系统是基于支持向量机的。为了探索基于支持向量机的人脸识别系统在现实中的可应用性,本文从应用的角度出发,较为全面地对一些相关问题进行探讨,并使用Visual C++实现了一个基于支持向量机的人脸识别软件—idTeller。 论文的主要工作和创新点包括: ·提出了两种基于VC边界的支持向量机参数选择算法—固定C算法和VC-CV算法。VC边界是两类支持向量机参数选择的一个理想准则,但它的一些固有缺点使其应用变得困难。本文通过将VC边界转化为VC指标,最终把问题归结为对最小包围体的求解,从理论上和计算上为VC边界的使用铺平了道路。在此基础之上,本文提出了两种基于VC边界的参数选择算法—固定C算法和VC-CV算法。在数个基准数据集上的实验表明,相比交叉验证算法,VC-CV算法不仅能获得性能更好的分类器,而且具有较低的计算复杂度。 ·使用序贯最小优化算法解决了最小包围体求解问题。最小包围体求解是计算VC指标的一个关键步骤,本文使用序贯最小优化算法对其求解,并对算法初始化、参数选择及更新等若干实现问题进行了深入地研究。在多个基准数据集上的实验表明,序贯最小优化算法能够快速而准确地解决最小包围体求解问题。 ·研究了多类支持向量机参数选择的策略问题。与文献中广泛采用的All-in-One策略不同,本文所采用的One-in-One策略为每个两类分类器单独选择参数,所得到
【学位授予单位】:上海交通大学
【学位级别】:博士
【学位授予年份】:2006
【分类号】:TP391.41;TP181

【相似文献】
中国期刊全文数据库 前10条
1 姜慧研;柴天佑;;基于可信间隔的特征选择方法研究[J];控制与决策;2011年08期
2 高阳;廖广兰;曹艳波;史铁林;;基于SVM的刻蚀工艺失效状态识别[J];华中科技大学学报(自然科学版);2011年07期
3 宋晖;薛云;张良均;;基于SVM分类问题的核函数选择仿真研究[J];计算机与现代化;2011年08期
4 陈杰;阎兆立;程晓斌;陈笑然;李晓东;;基于OMAP处理器的空化在线监测系统设计[J];微计算机应用;2011年07期
5 余萍;;基于支持向量机发展的研究[J];新课程(教育学术);2011年05期
6 程绍明;马杨珲;周博;王永维;王俊;;基于电子鼻的番茄种子不同储藏时间的鉴别研究[J];传感技术学报;2011年07期
7 谭咏梅;王小捷;钟义信;;模式识别课程的教学探索[J];计算机教育;2011年15期
8 黄胜忠;;遗传支持向量机在液压泵轴承故障的预测与应用[J];煤矿机械;2011年09期
9 高俊钗;韩冰;;基于支持向量机的交叉重叠目标分割[J];制造业自动化;2011年13期
10 张建华;冀荣华;袁雪;李慧;祁力钧;;基于径向基支持向量机的棉花虫害识别[J];农业机械学报;2011年08期
中国重要会议论文全文数据库 前10条
1 杨鹏;陈玲玲;郭欣;赵琦;;基于支持向量机的表面肌电信号识别[A];2006中国控制与决策学术年会论文集[C];2006年
2 徐会敏;王玉兰;;线性规划支持向量机模型的研究[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用(CACIS)学术会议论文集[C];2007年
3 晏庆华;;支持向量机算法综述[A];2008'中国信息技术与应用学术论坛论文集(二)[C];2008年
4 李洪东;梁逸曾;张志敏;;酵母蛋白组中原生肽识别方法的探索研究[A];中国化学会第26届学术年会化学信息学与化学计量学分会场论文集[C];2008年
5 谢湘;匡镜明;;支持向量机在语音识别中的应用研究[A];现代通信理论与信号处理进展——2003年通信理论与信号处理年会论文集[C];2003年
6 张国宣;孔锐;施泽生;郭立;;一种新的基于聚类的SVM迭代算法[A];第二届全国信息获取与处理学术会议论文集[C];2004年
7 林杰华;张斌;李冬森;宋华茂;余志强;王浩;;支持向量机在电力客户信用评级中的应用[A];全国第21届计算机技术与应用学术会议(CACIS·2010)暨全国第2届安全关键技术与应用学术会议论文集[C];2010年
8 蒋铁军;张怀强;李积源;;多变量系统预测的支持向量机方法研究[A];管理科学与系统科学研究新进展——第7届全国青年管理科学与系统科学学术会议论文集[C];2003年
9 黄淑云;孙兴玉;梁汝萍;邱建丁;;基于小波支持向量机预测蛋白质亚细胞定位研究[A];第十一届全国计算(机)化学学术会议论文摘要集[C];2011年
10 涂冬成;薛龙;刘木华;赵进辉;沈杰;吁芳;;基于支持向量机的鹅肉肉色客观评定研究[A];中国农业工程学会电气信息与自动化专业委员会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会论文摘要[C];2010年
中国重要报纸全文数据库 前10条
1 吴加录;胡启恒:科技界需要润物细无声[N];中国计算机报;2006年
2 陈瑜唐婷;让计算机会看、会听、会说、会思考[N];科技日报;2007年
3 记者 左常睿;应重视互联网模式识别的研究[N];科技日报;2005年
4 本报记者 贾婧;宗成庆:做科研也要为师立范[N];科技日报;2007年
5 河北 宁海征;常见多频彩显的模式识别与控制电路[N];电子报;2003年
6 记者 刘垠;首届中美视觉夏令营开营[N];大众科技报;2009年
7 ;通用数字视觉平台JVISION-500[N];科技日报;2003年
8 比尔·盖茨   ;新的工作世界[N];中国计算机报;2005年
9 大海 张弦;Autonomy:传统搜索终结者?[N];计算机世界;2005年
10 易人;体制激发创新[N];计算机世界;2001年
中国博士学位论文全文数据库 前10条
1 任东;基于支持向量机的植物病害识别研究[D];吉林大学;2007年
2 张永;基于模糊支持向量机的多类分类算法研究[D];大连理工大学;2008年
3 陈祖云;煤与瓦斯突出前兆的非线性预测及支持向量机识别研究[D];中国矿业大学;2009年
4 马儒宁;神经网络与支持向量机相关问题研究[D];复旦大学;2005年
5 秦传东;模糊与双重正则化支持向量机的研究及应用[D];西安电子科技大学;2012年
6 刘云鹏;电力变压器局部放电的电气定位及诊断[D];华北电力大学(河北);2005年
7 游峰;智能车辆自动换道与自动超车控制方法的研究[D];吉林大学;2005年
8 杜小芳;基于CPFR的农产品采购模型研究[D];华中科技大学;2005年
9 刘育明;动态过程数据的多变量统计监控方法研究[D];浙江大学;2006年
10 栾锋;支持向量机(SVM)和径向基神经网络(RBFNN)方法在化学、环境化学和药物化学中的应用研究[D];兰州大学;2006年
中国硕士学位论文全文数据库 前10条
1 李鸿壹;基于支持向量机的人脸检测[D];大连理工大学;2006年
2 蒋琳琼;基于支持向量机的货币识别研究[D];中南大学;2007年
3 谭文伟;人脸识别算法的研究及其应用[D];广东工业大学;2008年
4 吕江;交联聚乙烯电缆局部放电的电磁耦合法检测及模式识别研究[D];重庆大学;2005年
5 陈玲玲;基于支持向量机的下肢肌电信号模式识别的研究[D];河北工业大学;2006年
6 李小英;基于支持向量机的分类算法研究[D];东北电力大学;2008年
7 孙国强;基于计算机图像处理的人眼球变化识别系统[D];沈阳理工大学;2008年
8 朱英凯;基于模式识别技术的雷达辐射源分类识别方法研究[D];哈尔滨工程大学;2007年
9 周辉;齿轮故障的特征提取与模式识别技术研究[D];郑州大学;2005年
10 余萍;一种基于边界调节的支持向量机模型[D];重庆大学;2007年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026