基于线性SVM的级联检测算子的构建

• 作者: 吴涛 安平 贺汉根
• 来源期刊: 科技与创新
• 关键词: 级联 节点学习 支持向量机
• 年，卷（期）: 2008,（30）
• 所属期刊栏目: 软件时空
• 页码范围: 153-154,225
• 页数: 3页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1008-0570.2008.30.062

摘要

本文介绍了一种基于支持向量机(SVM)理论的线性级联式分类器,用于解决较复杂目标的快速检测问题.该分类器由若干个线性SVM分类器组成,结合了级联分类器和SVM理论的优点,给出了级联结构中的每个节点的约束最优化模型,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.实验结果表明,与经典非线性svM分类器相比,这种分类器在保持SCM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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贺汉根	国防科学技术大学机电工程与自动化学院	28	472	12.0	21.0
2	吴涛	国防科学技术大学机电工程与自动化学院	12	242	6.0	12.0
3	安平	国防科学技术大学机电工程与自动化学院	1	0	0.0	0.0