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:
研究不同的特征提取方法和分类方法在分类问题上的性能,其中包括主分量分析(PCA)、Adaboost算法、支持向量机(SVM),并进行了仿真实验.仿真结果表明,相对于使用主分量分析方法,利用Adaboost算法结合支持向量机的分类方法进行特征提取和选择的效果更好.
推荐文章
基于SVM的新生儿疼痛表情识别
新生儿疼痛
表情识别
支持向量机
基于LBP特征和稀疏表示的新生儿疼痛表情识别
表情识别
新生儿
疼痛表情
局部二元模式
稀疏表示
新生儿疼痛面部表情的特征提取
新生儿疼痛
面部表情
特征提取
Gabor小波变换
核鉴别分析
基于不相关局部敏感鉴别分析的新生儿疼痛表情识别
表情识别
特征提取
流形学习
统计不相关局部敏感鉴别分析
新生儿疼痛
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 基于支持向量机的新生儿疼痛表情识别
来源期刊 重庆科技学院学报(自然科学版) 学科 工学
关键词 表情识别 主分量分析 Adaboost算法 支持向量机
年,卷(期) 2009,(2) 所属期刊栏目
研究方向 页码范围 119-120,129
页数 3页 分类号 TP181
字数 2303字 语种 中文
DOI 10.3969/j.issn.1673-1980.2009.02.038
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 卢官明 74 904 16.0 29.0
2 高众 5 17 3.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (20)
共引文献  (37)
参考文献  (4)
节点文献
引证文献  (6)
同被引文献  (5)
二级引证文献  (0)
1997(5)
  • 参考文献(0)
  • 二级参考文献(5)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(4)
  • 参考文献(0)
  • 二级参考文献(4)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(7)
  • 参考文献(2)
  • 二级参考文献(5)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2009(1)
  • 引证文献(1)
  • 二级引证文献(0)
2011(2)
  • 引证文献(2)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
表情识别
主分量分析
Adaboost算法
支持向量机
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
重庆科技学院学报(自然科学版)
双月刊
1673-1980
50-1174/N
大16开
重庆大学城
1995
chi
出版文献量(篇)
4247
总下载数(次)
8
总被引数(次)
13371
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导