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:
为了实现目标的快速检测,提出了一种新的基于拉格朗日支持向量机(L-SVM)的线I}生级联式分类器的构造方法.该方法首先根据样本的几何分布,用迭代的方式把负样本分成若干部分与正样本线性可分的样本;然后用L-SVM对这些正负样本进行分类,得到若干个线性分类器;最后,将这些线性分类器顺次组合,构成级联分类器.实验表明,与经典非线性SVM分类器相比,这种分类器在保持SVM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.
推荐文章
基于线性SVM的级联检测算子的构建
级联
节点学习
支持向量机
基于单元筛选的CFAR检测器研究
恒虚警率
单元筛选
删除平均
删除选大
基于级联SVM的无参考人脸图像质量评价系统
级联SVM
人脸检测
图像识别
质量评价系统
分类性能
噪声退化
基于粒子群优化算法和多级检测的多用户检测器
码分多址
多用户检测
粒子群优化
多级检测
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L-SVM的级联检测器的构造
来源期刊 计算机工程与应用 学科 工学
关键词 级联 几何 拉格朗日支持向量机
年,卷(期) 2009,(33) 所属期刊栏目 图形、图像、模式识别
研究方向 页码范围 156-158,164
页数 4页 分类号 TP181
字数 5219字 语种 中文
DOI 10.3778/j.issn.1002-8331.2009.33.051
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 贺汉根 国防科学技术大学机电工程与自动化学院自动化研究所 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自动化研究所 12 242 6.0 12.0
3 安平 3 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (9)
共引文献  (31)
参考文献  (3)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(2)
  • 二级参考文献(0)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(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)
研究主题发展历程
节点文献
级联
几何
拉格朗日支持向量机
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
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导