基于优化支持向量机的人脸表情分类

来源 :计算机应用研究 | 被引量 : 20次 | 上传用户:heyzol
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
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人脸表情分类器,在提高准确率的基础上加快分类的速度。实验证明,新
其他文献
心内膜三维表面重建是心内膜三维标测系统中的关键问题。为了满足实际应用需求,根据采集到的散乱点云数据的特点,提出了一种改进的泊松表面重建算法。在估计表面点云法向量的基础上,对表面点云法向量进行法向量一致化处理,有效地控制时间复杂度,快速重建出平滑的心脏模型。针对泊松表面重建算法中构建MC曲面出现的二义性问题,提出一种消除二义性的简化改进方法,可以更加精确地获取模型逼真表面,提高重建的速度和精度。同时
提出了一种基于兴趣点检测和特征匹配的图像复制粘贴窜改检测方法。首先采用Harris算子检测图像中的角点作为兴趣点,然后提取以兴趣点为中心的邻域内空域的五个均值特征形成特征向量,最后记录相等位移矢量的发生频率并通过阈值化处理得到匹配的兴趣点,从而标志复制粘贴区域。仿真实验表明,该算法不仅可以有效检测多区域复制粘贴窜改操作,而且能够有效抵抗多种窜改后处理操作,包括加性高斯白噪声,JPEG压缩,对比度、
利用小波变换和互相关函数分析了列车横向振动与轨道不平顺输入之间关系。轨道不平顺输入引起了列车横向振动,为了抑制横向振动并预测其变换规律,需要研究两者之间关系。首先利用Simulink软件建立了列车横向系统模型,模拟列车横移、侧滚和摇头振动信号;然后利用小波变换和互相关函数分析了上述三种振动与轨道方向、水平不平顺输入之间关系。仿真结果表明,水平不平顺与横移和摇头振动之间的互相关函数大于方向不平顺,而
为了改善差分进化算法的收敛速度和优化精度,提出一种基于复形法和云模型的差分进化混合算法(HDECC)。该算法使用差分进化算法搜索局部最优域,引入复形法和云模型来加快算法的收敛速度和提高算法优化精度,使算法的初期搜索速度和之后的优化精度得到相互平衡。最后,使用七个标准约束优化问题和两个典型工程应用实例进行实验仿真,实验结果表明,与同类算法比较,HDECC算法全局搜索能力强、优化精度高、收敛速度快,且
为了实现网络覆盖控制的优化,减少能耗,提出了一种分布的、高效节能、与节点位置无关的传感器网络覆盖算法。在该算法中,节点与邻居交换信息,并通过能量大小竞选工作节点,节点根据自身与工作节点的距离判断决定进入工作状态或休眠状态,并采用在生成树中广播时间同步算法使工作节点网络达到时间同步。仿真结果比较表明,该算法能够明显减少工作节点数,从而减少能量消耗,延长网络寿命。
为了提高邻居节点建立共享密钥的概率,减少无线传感器网络资源的消耗,从而进一步提高无线传感器网络中的连通性,提出了一种基于矩阵的无线传感器网络的随机密钥部署方案。该方案在无线传感器的目标划分区域中采用3×3矩阵的方式进行密钥预分配,使邻居节点共享直接密钥的个数为q,提高了节点间共享密钥的阈值,减少了节点存储冗余密钥的数量。数据分析和仿真结果表明,该方案不但在存储密钥数量和安全性方面有较好的性能,而且
提出了一个基于网格的计算化学过程可视化解决方案,实时地监控计算过程,增加对计算过程的控制。网格提供了计算作业所需要的大量计算资源,对计算过程的实时监控则增加了对计算过程的控制。为了达到实时的目的,针对计算过程中的原子不变性,提出了优化的三维可视化方法,动态地设定检测的时间间隔,并引入了断点续传的思想。
设计了融合差分进化和PSO算法优点的混合智能优化算法DEPSO,通过在粒子迭代过程中,随机选择一定数量的粒子进行差分进化操作,增加粒子的多样性,使陷入局部极小的粒子逃出,以保证DEPSO的全局收敛性能,并采用典型测试函数验证了DEPSO的性能。针对模糊相关机会规划EOQ模型求解难题,设计了基于模糊模拟方法和DEPSO的智能求解算法来计算模糊事件的可信性,从而得到了使库存费用不超过预算水平的可信度最
现有的防窃听安全网络编码的研究中,所采用的方法主要有信息论和密码学方法。按照所采用方法的不同,从两方面对现有的防窃听安全网络编码研究中的主要工作进行总结,进而从三个角度对现有的方法进行了分析和比较,对现有方法的优缺点进行了阐述。
传统的多类型反向最近邻(multiple type reverse nearest neighbor,MTRNN)查询算法没有过滤搜索空间中的数据,因此效率低下。为有效提高MTRNN查询的效率,在概述MTRNN基础上采用几何方法开发了基于R-tree的闭区域和开区域修剪方法并进一步提出了高效的过滤算法。过滤算法通过构造闭修剪区域和开修剪区域来修剪查询空间,对大数据下的MTRNN查询过滤效果十分显著