基于优化支持向量机的人脸表情分类

• 作者: 彭力 徐红 陈容
• 来源期刊: 计算机应用研究
• 关键词: 支持向量机 改进粒子群优化 人脸表情分类器
• 年，卷（期）: 2013,（8）
• 所属期刊栏目: 图形图像技术
• 页码范围: 2541-2544
• 页数: 4页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2013.08.076

摘要

分析了支持向量机(support vector machine,SVM)目前主要存在的问题和参数选择对分类性能的影响后,提出了以改进粒子群算法优化SVM关键参数的优化SVM算法.将加入拥挤度因子的微粒群算法引入到SVM中,在不牺牲泛化性能的前提下,对其参数进行优化,增加了SVM初始化参数的多样性,减慢了局部搜索,促进其在全局范围内的寻优搜索,以有效克服SVM算法过分依赖初始值和容易陷入局部极小值的缺点,并利用由粗到精的策略构造多层SVM人脸表情分类器,在提高准确率的基础上加快分类的速度.实验证明,新算法具有速度快、准确率高的优点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐红	江南大学物联网工程学院	9	90	6.0	9.0
2	彭力	江南大学物联网工程学院	148	814	15.0	21.0
6	陈容	江南大学物联网工程学院	2	19	2.0	2.0