基于优化支持向量机的人脸表情分类OA北大核心CSCDCSTPCD
Face expression classifier based on optimized SVM algorithm
分析了支持向量机(support vector machine,SVM)目前主要存在的问题和参数选择对分类性能的影响后,提出了以改进粒子群算法优化SVM关键参数的优化SVM算法.将加入拥挤度因子的微粒群算法引入到SVM中,在不牺牲泛化性能的前提下,对其参数进行优化,增加了SVM初始化参数的多样性,减慢了局部搜索,促进其在全局范围内的寻优搜索,以有效克服SVM算法过分依赖初始值和容易陷入局部极小值的缺点,并利用由粗到精的策略构造多层SVM人脸表情分…查看全部>>
This paper analyzed current problems of SVM and the effect of parameter selection on classification performance.It presented an optimized SVM algorithm based on improving SVM key parameters by using improved particle swarm optimization.It introduced particle swarm algorithm with crowded factor into SVM.It optimized the parameters without sacrificing generalization ability,also increased the diversity of SVN initialization parameter.This method slowed down lo…查看全部>>
徐红;彭力;陈容
江南大学物联网工程学院,江苏无锡214122江南大学物联网工程学院,江苏无锡214122江南感知能源研究院,江苏无锡214000
信息技术与安全科学
支持向量机改进粒子群优化人脸表情分类器
support vector machine(SVM) improved particle swarm optimization(IPSO) face expression classifier
《计算机应用研究》 2013 (8)
动态视觉传感器网络若干问题研究
2541-2544,4
国家自然科学基金资助项目(60973095)
评论