采用改进高斯核的MLS-SVM人脸表情识别算法
针对用于支持向量机的低维输入数据空间向高维特征空间的映射,通过黎曼测度张量扩大了支持向量机的线性可分边界,进一步提高了支持向量机分类的准确性.考虑到MLS-SVM的多分辨逼近效果和改进高斯核函数对支持向量机分类准确度的提升,企图努力给出一种基于两者优点的人脸表情识别算法,以反映人类在自然界中的认知过程,提出了采用改进高斯核的MLS-SVM人脸表情识别算法.实验结果表明,其人脸表情识别性能通过修改高斯核函数获得了较大的提升.
支持向量机、人脸表情识别、高斯核、最小二乘算法
41
TP391.4(计算技术、计算机技术)
国家青年科学基金项目61309033
2014-08-26(万方平台首次上网日期,不代表论文的发表时间)
共4页
132-134,142