資源描述：
《基于多核學(xué)習(xí)svm的圖像分類識別算法》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在應(yīng)用文檔-天天文庫。
1、為了確?！敖虒W(xué)點數(shù)字教育資源全覆蓋”項目設(shè)備正常使用，我校做到安裝、教師培訓(xùn)同步進行。設(shè)備安裝到位后，中心校組織各學(xué)點管理人員統(tǒng)一到縣教師進修學(xué)校進行培訓(xùn)，熟悉系統(tǒng)的使用和維護?；诙嗪藢W(xué)習(xí)SVM的圖像分類識別算法 摘要：針對單核支持向量機在圖像分類識別中檢測精度較低的問題，提出一種多核學(xué)習(xí)SVM的圖像分類識別算法，并將其應(yīng)用到行人檢測問題中。首先，提取行人的積分通道特征包括梯度直方圖、彩色通道和梯度特征；然后，使用直方圖交叉核、多項式核和徑向基核構(gòu)建混合核SVM分類器；最后，使用交叉驗證和網(wǎng)格搜索的方法確定各種核的
2、融合系數(shù)。在TUD數(shù)據(jù)集上的測試結(jié)果表明，該方法具有較好的魯棒性和較高的檢測精度?！ ￡P(guān)鍵詞：支持向量機；多核學(xué)習(xí)；行人檢測；圖像識別；直方圖交叉核；交叉驗證 中圖分類號：?34；TP311文獻標識碼：A文章編號：1004?373X06?0050?03 Abstract：Inallusiontotheproblemthatthesinglekernelsupportvectormachinehaslowdetectionprecisioninimageclassificationandrecognition，ani
3、mageclassificationandrecognitionalgorithmbasedonmulti?kernellearningSVMisproposedandappliedtothepedestriandetectionproblem.Thepedestrians′integralchannelfeaturesincludingthegradienthistogram，thecolorchannelandthegradientfeatureareextracted.Thehybrid為了充分發(fā)揮“教學(xué)點數(shù)字教
4、育資源全覆蓋”項目設(shè)備的作用，我們不僅把資源運用于課堂教學(xué)，還利用系統(tǒng)的特色欄目開展課外活動，對學(xué)生進行安全教育、健康教育、反邪教教育等豐富學(xué)生的課余文化生活。為了確?！敖虒W(xué)點數(shù)字教育資源全覆蓋”項目設(shè)備正常使用，我校做到安裝、教師培訓(xùn)同步進行。設(shè)備安裝到位后，中心校組織各學(xué)點管理人員統(tǒng)一到縣教師進修學(xué)校進行培訓(xùn)，熟悉系統(tǒng)的使用和維護。kernelSVMclassifierisconstructedbyusingthehistogramcrosskernel，thepolynomialkernel，andtheradi
5、albasiskernel.Themethodsofcrossvalidationandgridsearchareusedtodeterminethefusioncoefficientsofvariouskernels.TheresultsfromtheTUDdatasettestshowthatthemethodhasgoodrobustnessandhighdetectionprecision. Keywords：SVM；multi?kernellearning；pedestriandetection；image
6、recognition；histogramcrosskernel；crossvalidation 核學(xué)習(xí)是一種以核函數(shù)和統(tǒng)計學(xué)習(xí)理論為基礎(chǔ)的機器學(xué)習(xí)方法[1]，該方法通常包括核函數(shù)的選擇與構(gòu)造、使用核函數(shù)構(gòu)建分類器兩個部分[2]。使用核學(xué)習(xí)方法可以避免顯式計算低維空間的樣本到高維空間的映射，直接將?穎咀?化為高維空間的點積[3]?！ ≈С窒蛄繖C[4]的本質(zhì)為核方法，在解決非線性、小樣本和高維模式識別問題中表現(xiàn)出了諸多優(yōu)勢。SVM的發(fā)展促進了核學(xué)習(xí)方法，相繼出現(xiàn)了核Fisher判別方法、核主成份分析方法、核判別分析以及
7、核獨立分量分析[5?7]等。核方法被廣泛應(yīng)用于求解高維、動態(tài)、數(shù)量多和含噪聲等問題中。為了充分發(fā)揮“教學(xué)點數(shù)字教育資源全覆蓋”項目設(shè)備的作用，我們不僅把資源運用于課堂教學(xué)，還利用系統(tǒng)的特色欄目開展課外活動，對學(xué)生進行安全教育、健康教育、反邪教教育等豐富學(xué)生的課余文化生活。為了確?！敖虒W(xué)點數(shù)字教育資源全覆蓋”項目設(shè)備正常使用，我校做到安裝、教師培訓(xùn)同步進行。設(shè)備安裝到位后，中心校組織各學(xué)點管理人員統(tǒng)一到縣教師進修學(xué)校進行培訓(xùn)，熟悉系統(tǒng)的使用和維護?！ ∪欢恳环N核均存在較大的差異，對應(yīng)于不同的應(yīng)用場合，目前還沒有完備的
8、選擇核函數(shù)的理論依據(jù)。選擇與設(shè)計適合給定問題核函數(shù)，是核方法和SVM共同面臨的問題。當數(shù)據(jù)樣本存在多維數(shù)據(jù)不規(guī)則、含異構(gòu)信息或高維空間分布不平坦等問題時，難以使用單一的核函數(shù)映射處理所有樣本。因此，眾多文獻提出了基于混合核或組合核的方法，即多核學(xué)習(xí)的方法。如文獻[8]組合使用徑向基核函數(shù)和多項式核來提高SVM的分類精度；文獻[9]
