基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
提出一种新的基于SVM RFE(Support Vector Machine Recursive Feature Elimination)的人脸特征选择方法.该方法将权重矢量和半径/间隔作为SVM RFE的特征选择标准,采用缩放因子梯度算法优化特征搜索.基于该方法构建了一种实用、有效的人脸特征提取、选择及识别框架,并在UMIST人脸数据库上进行了验证实验.对特征选择前后的分类能力及速度进行了分析比较,结果表明,该方法是一种实用、有效的人脸特征选择方法,可以在特征维数为80左右时,达到94.62%的分类识别率.
推荐文章
基于Relief和SVM-RFE的组合式SNP特征选择
单核苷酸多态性
全基因组关联研究
特征选择
过滤式
缠绕式
组合式
基于LLE和LS-SVM的人脸识别方法
人脸识别
主成分分析
局部线性嵌套
最小二乘支持向量机
ReliefF-SVM RFE组合式特征选择人脸识别
人脸识别
支持向量机回归特征消除(SVM RFE)
ReliefF
离散余弦变换
特征选择
基于Gabor、Fisher脸多特征提取及集成SVM的人脸表情识别
表情识别
改进的弹性模板
Gabor小波变换
Fisher脸
集成支持向量机
分类器级联
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于SVM RFE的人脸特征选择方法
来源期刊 光电工程 学科 工学
关键词 特征选择 人脸识别 支持向量机(SVM) RFE
年,卷(期) 2006,(5) 所属期刊栏目 模式识别
研究方向 页码范围 113-117
页数 5页 分类号 TP391.41
字数 3986字 语种 中文
DOI 10.3969/j.issn.1003-501X.2006.05.025
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 陈伟民 重庆大学光电技术及系统教育部重点实验室 311 4748 37.0 51.0
2 龚卫国 重庆大学光电技术及系统教育部重点实验室 74 990 19.0 27.0
3 李伟红 重庆大学光电技术及系统教育部重点实验室 41 585 16.0 23.0
4 梁毅雄 重庆大学光电技术及系统教育部重点实验室 10 171 7.0 10.0
5 尹克重 重庆大学光电技术及系统教育部重点实验室 5 67 5.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (5)
节点文献
引证文献  (14)
同被引文献  (12)
二级引证文献  (24)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(2)
  • 参考文献(2)
  • 二级参考文献(0)
2006(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2008(2)
  • 引证文献(1)
  • 二级引证文献(1)
2009(2)
  • 引证文献(1)
  • 二级引证文献(1)
2010(5)
  • 引证文献(2)
  • 二级引证文献(3)
2011(2)
  • 引证文献(2)
  • 二级引证文献(0)
2013(8)
  • 引证文献(5)
  • 二级引证文献(3)
2014(4)
  • 引证文献(0)
  • 二级引证文献(4)
2015(4)
  • 引证文献(0)
  • 二级引证文献(4)
2016(5)
  • 引证文献(1)
  • 二级引证文献(4)
2017(3)
  • 引证文献(1)
  • 二级引证文献(2)
2018(3)
  • 引证文献(1)
  • 二级引证文献(2)
研究主题发展历程
节点文献
特征选择
人脸识别
支持向量机(SVM)
RFE
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
光电工程
月刊
1003-501X
51-1346/O4
大16开
四川省成都市双流350信箱
1974
chi
出版文献量(篇)
4776
总下载数(次)
5
相关基金
教育部科学技术研究项目
英文译名:Key Project of Chinese Ministry of Education
官方网址:http://www.dost.moe.edu.cn
项目类型:教育部科学技术研究重点项目
学科类型:
重庆市自然科学基金
英文译名:
官方网址:http://law.ddvip.com/law/2006-09/11584979384040.html
项目类型:重点项目
学科类型:
论文1v1指导