收藏本站
《国防科学技术大学》 2007年
收藏 | 手机打开
二维码
手机客户端打开本文

基于线性SVM的级联检测器的构造及其在目标检测中的应用

安平  
【摘要】: 级联检测器是由若干个简单的弱分类器按照一定的次序组合而成的一个具有层次型结构的强分类器,主要用于实现目标的快速检测。级联检测器结构简单,分类速度非常快,近几年引起了研究人员的广泛关注。本文对基于线性支持向量机的级联检测器的构造方法进行了研究,主要工作如下: 1.对级联结构的结构特点和工作流程进行了详细介绍和深入分析,在此基础上,提出了一种基于传统线性SVM的级联检测器的构造方法。该方法针对级联结构中的每个节点的训练给出了一个新的SVM框架下的二次规划模型,这使得每个节点都有较高的正样本检测率和适当的负样本错检率。实验表明,与经典非线性SVM分类器相比,这种分类器在保持SVM较强泛化性能的优点的同时,在检测效率方面更是具有明显的优势; 2.讨论了基于线性分类器的级联结构的适用条件,并给出在样本分布严重不满足条件时的解决办法; 3.为了提高级联检测器的训练速度,提出了一种基于线性拉格朗日支持向量机(L-SVM)的级联检测器的构造方法。该方法首先根据样本的几何分布,用迭代的方式把负样本分成若干部分与正样本线性可分的样本;然后用线性L-SVM对这些正负样本进行分类,得到若干个线性分类器;最后,将这些线性分类器顺次组合,构成级联检测器。实验表明,与基于传统线性SVM的级联检测器相比,这种方法大大提高了训练速度,并且分类精度保持不变; 4.综合运用上述成果,对移动机器人的草地识别和智能监控中的行人检测问题进行了级联检测器的应用研究,取得了比较满意的实验结果。
【学位授予单位】:国防科学技术大学
【学位级别】:硕士
【学位授予年份】:2007
【分类号】:TP274

【引证文献】
中国硕士学位论文全文数据库 前1条
1 付阳;支持向量机并行训练算法与基于遗传算法的参数优化研究[D];南昌大学;2010年
【参考文献】
中国期刊全文数据库 前10条
1 郭烈,王荣本,顾柏园,余天洪;世界智能车辆行人检测技术综述[J];公路交通科技;2005年11期
2 查志明;凸集的若干等价命题[J];黄山学院学报;2004年03期
3 郝志峰,舒蕾,林大瀛,杨晓伟;支撑矢量机的改进算法研究[J];计算机工程与应用;2003年12期
4 王晓丹,王积勤;支持向量机训练和实现算法综述[J];计算机工程与应用;2004年13期
5 白亮,老松杨,胡艳丽;支持向量机训练算法比较研究[J];计算机工程与应用;2005年17期
6 杨强;吴中福;王茜;;基于支持向量机的分段线性学习方法[J];计算机科学;2003年04期
7 简国强,黄竞伟,秦前清,覃志祥;基于层次支持向量机的人脸检测[J];计算机工程;2005年22期
8 艾海舟 ,肖习攀 ,徐光祐;人脸检测与检索[J];计算机学报;2003年07期
9 张学工;关于统计学习理论与支持向量机[J];自动化学报;2000年01期
10 肇莹;刘红星;高敦堂;;关于支持向量机DirectSVM算法的探讨[J];南京大学学报(自然科学版);2006年04期
中国硕士学位论文全文数据库 前2条
1 朱谊强;基于Adaboost算法的实时行人检测系统[D];西北工业大学;2006年
2 李东晖;基于壳向量的支持向量机快速学习算法研究[D];浙江大学;2006年
【共引文献】
中国期刊全文数据库 前10条
1 谢飞;;支持向量机及其应用研究[J];安徽教育学院学报;2007年03期
2 王东霞;张楠;路晓丽;;基于育种算法的SVM参数优化[J];安徽大学学报(自然科学版);2009年04期
3 陶秀凤,唐诗忠,周鸣争;基于支持向量机的软测量模型及应用[J];安徽工程科技学院学报(自然科学版);2004年02期
4 李淑华;徐良培;陶建平;;基于支持向量机的我国水产品出口贸易风险预警研究[J];安徽农业科学;2008年30期
5 许高程;张文君;王卫红;;支持向量机技术在遥感影像滑坡体提取中的应用[J];安徽农业科学;2009年06期
6 程伟;张燕平;赵姝;;支持向量机在粮食产量预测中的应用[J];安徽农业科学;2009年08期
7 武素华;;基于最小二乘支持向量机的土壤含水量检测的研究与分析[J];安徽农业科学;2009年09期
8 赵万明;黄彦全;谌贵辉;;基于支持向量机的农村用电量需求预测[J];安徽农业科学;2009年25期
9 陈念;沈佐民;;基于化学成分检测和SVM分类的茶叶品质鉴定[J];安徽农业科学;2010年15期
10 管翠萍;;药物靶标G蛋白偶联受体的识别预测[J];安徽农业科学;2010年24期
中国重要会议论文全文数据库 前10条
1 ;An effective procedure exploiting unlabeled data to build monitoring system[A];中国科学院地质与地球物理研究所第11届(2011年度)学术年会论文集(下)[C];2012年
2 宋海鹰;桂卫华;阳春华;;基于核偏最小二乘的简约最小二乘支持向量机及其应用研究[A];第二十六届中国控制会议论文集[C];2007年
3 宋海鹰;桂卫华;阳春华;;基于最小二乘支持向量机的Hammerstein-Wiener模型辨识[A];第二十六届中国控制会议论文集[C];2007年
4 ;Inverse System Control of Nonlinear Systems Using LS-SVM[A];第二十六届中国控制会议论文集[C];2007年
5 ;A Novel Kernel PCA Support Vector Machine Algorithm with Feature Transition Function[A];第二十六届中国控制会议论文集[C];2007年
6 ;A Novel Proximal Support Vector Machine and Its Application in Radar Target Recognition[A];第二十六届中国控制会议论文集[C];2007年
7 ;A CDMA Signal Receiver Based on LS-SVM[A];第二十六届中国控制会议论文集[C];2007年
8 周绮凤;林成德;罗林开;彭洪;;一种基于黎曼度量的训练样本类不平衡SVM分类方法研究[A];第二十六届中国控制会议论文集[C];2007年
9 顾小军;杨世锡;钱苏翔;;基于支持向量机的旋转机械多类故障识别研究[A];第二十六届中国控制会议论文集[C];2007年
10 吕蓬;柳亦兵;马强;魏于凡;;支持向量机在齿轮智能故障诊断中的应用研究[A];第二十六届中国控制会议论文集[C];2007年
中国博士学位论文全文数据库 前10条
1 赵莹;半监督支持向量机学习算法研究[D];哈尔滨工程大学;2010年
2 母丽华;煤矿安全预警系统的方法研究[D];哈尔滨工程大学;2010年
3 梁洪;基于内容的医学图像检索及语义建模关键技术研究[D];哈尔滨工程大学;2010年
4 殷志伟;基于统计学习理论的分类方法研究[D];哈尔滨工程大学;2009年
5 朱广平;混响干扰中的信号检测技术研究[D];哈尔滨工程大学;2009年
6 孔凡芝;引线键合视觉检测关键技术研究[D];哈尔滨工程大学;2009年
7 李晚龙;六自由度Stewart平台分散智能控制研究[D];哈尔滨工程大学;2010年
8 杨宁;计算机辅助卷烟配方设计关键技术研究[D];中国海洋大学;2010年
9 郑大腾;柔性坐标测量机空间误差模型及最佳测量区研究[D];合肥工业大学;2010年
10 李书艳;单点氨基酸多态性与疾病相关关系的预测及其机制研究[D];兰州大学;2010年
中国硕士学位论文全文数据库 前10条
1 曾传华;基于颜色和纹理特征的竹条分级方法研究[D];华中农业大学;2010年
2 展慧;基于多源信息融合技术的板栗分级检测方法研究[D];华中农业大学;2010年
3 杜二玲;拟概率空间上等均值噪声下统计学习理论的理论基础[D];河北大学;2007年
4 朱杰;一种基于聚类的支持向量机反问题求解算法[D];河北大学;2007年
5 李金华;基于SVM的多类文本分类研究[D];山东科技大学;2010年
6 田文娟;基于支持向量机的人民币序列号识别方法的研究[D];山东科技大学;2010年
7 徐芳芳;优化问题的PVD算法研究[D];山东科技大学;2010年
8 孟培培;基于3S的土地督察信息系统研究[D];山东科技大学;2010年
9 朱耿峰;支持向量机在冲击地压预测模型中的应用研究[D];山东科技大学;2010年
10 安文娟;Fisher和支持向量综合分类器[D];辽宁师范大学;2010年
【同被引文献】
中国期刊全文数据库 前10条
1 王东霞;张楠;路晓丽;;基于育种算法的SVM参数优化[J];安徽大学学报(自然科学版);2009年04期
2 林继鹏,刘君华,凌振宝;并行支持向量机算法及其应用[J];吉林大学学报(信息科学版);2004年05期
3 李明;张勇;李军权;张亚芬;;改进PSO-SVM在说话人识别中的应用[J];电子科技大学学报;2007年06期
4 武华锋;李著信;苏毅;吕宏庆;;一种基于多组PSO的支持向量机参数优化算法[J];后勤工程学院学报;2007年04期
5 李春香;张为民;钟碧良;;最小二乘支持向量机的参数优化算法研究[J];杭州电子科技大学学报;2010年04期
6 于青;赵辉;;基于GA的ε-支持向量机参数优化研究[J];计算机工程与应用;2008年15期
7 郭立力;赵春江;;十折交叉检验的支持向量机参数优化算法[J];计算机工程与应用;2009年08期
8 曹丽娟;王小明;;训练支持向量机的并行序列最小优化方法[J];计算机工程;2007年18期
9 邵信光;杨慧中;陈刚;;基于粒子群优化算法的支持向量机参数选择及其应用[J];控制理论与应用;2006年05期
10 刘昌平;范明钰;王光卫;马素丽;;基于梯度算法的支持向量机参数优化方法[J];控制与决策;2008年11期
中国硕士学位论文全文数据库 前2条
1 叶志飞;并行化最小最大模块化支持向量机及其在专利分类中的应用[D];上海交通大学;2009年
2 张新;并行支持向量机算法研究[D];山东科技大学;2009年
【二级引证文献】
中国硕士学位论文全文数据库 前1条
1 袁浩东;基于振动能量的故障诊断方法研究[D];郑州大学;2012年
【二级参考文献】
中国期刊全文数据库 前10条
1 李凯,黄厚宽;支持向量机增量学习算法研究[J];北方交通大学学报;2003年05期
2 曾嵘,刘建成,蒋新华;一种基于支持向量机的增量学习算法[J];铁道科学与工程学报;2005年01期
3 郭勇,吴乐南;行驶车辆的牌照识别系统[J];电子工程师;2000年11期
4 周伟达,张莉,焦李成;支撑矢量机推广能力分析[J];电子学报;2001年05期
5 李蓉 ,叶世伟 ,史忠植;SVM-KNN分类器——一种提高SVM分类精度的新方法[J];电子学报;2002年05期
6 李淦山;日本智能交通(ITS)研究综述[J];国外公路;2000年04期
7 王珏,石纯一;机器学习研究[J];广西师范大学学报(自然科学版);2003年02期
8 朱国强,刘士荣,俞金寿;基于支持向量机的数据建模在软测量建模中的应用[J];华东理工大学学报;2002年S1期
9 凌旭峰,杨杰,叶晨洲;基于支撑向量机的人脸识别技术[J];红外与激光工程;2001年05期
10 吴飞,庄越挺,潘云鹤;基于增量学习支持向量机的音频例子识别与检索[J];计算机研究与发展;2003年07期
中国硕士学位论文全文数据库 前1条
1 闫胜业;基于学习的人脸面部图像快速检测算法研究[D];北京工业大学;2003年
【相似文献】
中国期刊全文数据库 前10条
1 宁朝;基于SVM技术的英文字符识别方法[J];大众科技;2005年08期
2 王清翔;仲婷;潘金贵;;基于SVM的日文网页分类[J];广西师范大学学报(自然科学版);2007年02期
3 赵书河,冯学智,都金康,林广发;基于支持向量机的SPIN-2影像与SPOT-4多光谱影像融合研究[J];遥感学报;2003年05期
4 张键;于忠党;栾海滢;;基于SVM的教师评价系统研究[J];教育信息化;2006年03期
5 薄丽玲;;基于SVM的数字图像水印检测算法设计[J];科技情报开发与经济;2007年33期
6 黄秀丽;王蔚;;SVM在非平衡数据集中的应用[J];计算机技术与发展;2009年06期
7 刘晓亮;丁世飞;朱红;张力文;;SVM用于文本分类的适用性[J];计算机工程与科学;2010年06期
8 任俊旭;;基于SVM的企业信息化能力成熟度测度模型研究[J];商业文化(下半月);2011年04期
9 吴春辉;陈洪生;;基于内容的音频分类技术综述[J];现代计算机(专业版);2011年05期
10 毛伟;;基于支持向量机的回归应用研究[J];科技资讯;2011年12期
中国重要会议论文全文数据库 前10条
1 ;A Tool Wear Predictive Model Based on SVM[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年
2 ;A CDMA Signal Receiver Based on LS-SVM[A];第二十六届中国控制会议论文集[C];2007年
3 司爱威;冯辅周;江鹏程;饶国强;王建;;基于可变风险SVM模型的故障识别方法研究[A];第十届全国振动理论及应用学术会议论文集(2011)上册[C];2011年
4 王红伟;董慧;;一种提高SVM分类精度的调制信号识别方法[A];2010年西南三省一市自动化与仪器仪表学术年会论文集[C];2010年
5 ;Improved Particle Swarm Optimized SVM for Short-term Traffic Flow Predication[A];第二十六届中国控制会议论文集[C];2007年
6 宋鑫颖;周志逵;;一种基于SVM的主动学习文本分类方法[A];第二十三届中国数据库学术会议论文集(技术报告篇)[C];2006年
7 邵杰;叶宁;容亦夏;;基于SVM的多波束测深数据滤波[A];第二十九届中国控制会议论文集[C];2010年
8 于湘涛;周峰;张兰;魏超;;基于SVM和田口方法的石英挠性加速度计健壮性设计[A];质量——持续发展的源动力:中国质量学术与创新论坛论文集(下)[C];2010年
9 ;Adaptive Control of Nonlinear System Based on SVM Online Algorithm[A];中国自动化学会控制理论专业委员会D卷[C];2011年
10 张睿;陈雪;马建文;;基于递归SVM的高光谱数据特征选择算法研究[A];第八届成像光谱技术与应用研讨会暨交叉学科论坛文集[C];2010年
中国重要报纸全文数据库 前6条
1 郭涛;利用SVM虚拟化技术实现容灾[N];中国计算机报;2008年
2 本报记者 韩露;乱军之中智者胜[N];证券时报;2000年
3 ;基于网络层的存储虚拟化是主流[N];中国计算机报;2008年
4 本报记者 郭平;LSI发布新存储虚拟化管理器[N];计算机世界;2008年
5 王琨月;存储虚拟化市场的博弈[N];网络世界;2008年
6 刘;LSI Engenio 7900存储面向中端客户[N];电脑商报;2008年
中国博士学位论文全文数据库 前10条
1 渠瑜;基于SVM的高不平衡分类技术研究及其在电信业的应用[D];浙江大学;2010年
2 申丰山;样例权重估计及在此基础上的SVM[D];西安电子科技大学;2011年
3 宋国明;基于提升小波及SVM优化的模拟电路智能故障诊断方法研究[D];电子科技大学;2010年
4 张婧;基于SVM的肺结节自动识别方法研究[D];华南理工大学;2011年
5 胡振邦;基于Latent SVM的人体目标检测与跟踪方法研究[D];中国地质大学;2013年
6 龙艳花;基于SVM的话者确认关键技术研究[D];中国科学技术大学;2011年
7 许敏强;基于话者统计特征和SVM的文本无关话者确认研究[D];中国科学技术大学;2011年
8 李欣;基于HMM-SVM的磁流变自抑振智能镗杆颤振在线预报理论和方法研究[D];浙江大学;2013年
9 曹志坤;制冷陈列柜性能仿真SVM方法的研究及应用[D];上海交通大学;2010年
10 王金林;基于混沌时间序列和SVM的入侵检测系统研究[D];天津大学;2010年
中国硕士学位论文全文数据库 前10条
1 严会霞;基于SVM的眼动轨迹解读思维状态的研究[D];太原理工大学;2010年
2 吴迪;基于SVM分类器的分步定位算法研究[D];哈尔滨工业大学;2010年
3 杨焕;基于Basic-N-Units特征的SVM方法预测MicroRNA[D];吉林大学;2010年
4 曾玉祥;盲抽取与SVM方法在地球化学异常下限提取中的应用[D];成都理工大学;2010年
5 曹云生;基于支持向量机(SVM)的森林生态系统健康评价及预警[D];河北农业大学;2011年
6 张汉女;基于SVM的海岸线提取方法研究[D];东北师范大学;2010年
7 姚玉;基于GA-SVM算法的细胞色素酶P450突变预测[D];上海交通大学;2011年
8 陈燃燃;基于SVM算法的web分类研究与实现[D];北京邮电大学;2010年
9 陈卓;基于聚类和SVM主动反馈的图像检索方法[D];重庆大学;2010年
10 冯青;基因微阵列数据的SVM分类器优化方法[D];东北师范大学;2010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