SVM及其鲁棒性研究

• 作者: 吉卫卫 谭晓阳
• 来源期刊: 电子科技
• 学科: 工学
• 关键词: 人脸识别 噪声学习 SVM
• 年，卷（期）: 2012,（5）
• 所属期刊栏目: 图像·编码与软件
• 页码范围: 97-100
• 页数: 4页
• 分类号: TP391.41
• 字数: 2481字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-7820.2012.05.030

摘要

多数人脸识别方法是利用大量正确标记的训练样本来学习精度足够高的识别模型。收集人脸图像并对其进行正确的标记会耗费大量的人力、物力,为了给已有的图像进行标注,研究者进行了大量的工作,但由于多种原因,标记的图像不一定全部正确,称这种标记错误为类别噪声。文中针对含类别噪声的人脸识别问题,指出SVM适用于这类问题,并通过分析位于不同位置的样本对分类的影响从理论上解释了SVM对噪声具有鲁棒性的原因。在SVM基础上,删除一定比例的被判定为噪声的样本后,鲁棒性能有所提高。PubFig数据集上的量实验验证了SVM及改进算法在含类别噪声学习中的有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吉卫卫	南京航空航天大学计算机科学与技术学院	1	8	1.0	1.0
2	谭晓阳	南京航空航天大学计算机科学与技术学院	25	119	6.0	10.0