支持向量機在圖像檢測和識別中的應(yīng)用.pdf

1、支持向量機(Support Vector Machine，簡稱SVM)是一種建立在統(tǒng)計學(xué)習(xí)理論基礎(chǔ)之上的機器學(xué)習(xí)方法，是模式識別領(lǐng)域的新方法.和神經(jīng)網(wǎng)絡(luò)算法類似，它主要也是用于解決分類問題和回歸問題的，已經(jīng)在很多領(lǐng)域有了廣泛的應(yīng)用，如；圖像檢測，人臉識別，經(jīng)濟預(yù)警等.本文就支持向量機算法在圖像檢測及識別中的應(yīng)用進行深入的研究. 本文的主要研究工作如下： 1.針對支持向量機中的決策函數(shù)的復(fù)雜度問題，提出了一種利用線性核來解

2、決線性不可分問題的算法.試驗表明，利用我們的算法來解決人臉檢測問題時，不但能夠達到非線性核(例如：rbf核)的分類精度，而且運算速度比用非線性核快得多，基本上達到了實時檢測圖像的目的. 2.核函數(shù)中的參數(shù)選擇是支持向量機中的一個很重要的問題，它直接影響模型的推廣能力.K-L交叉驗證是核參數(shù)選擇的一種普遍方法，到目前為止，也是最實用的，但速度卻很慢.為了提高該方法的速度，本文提出了一種由粗選到細選的篩選方法，試驗證明了我們算法的實

3、用性. 3.普通的C-支持向量機是以解決一個二次規(guī)劃問題來實現(xiàn)算法的，訓(xùn)練速度很慢，在大多數(shù)圖像處理的文獻中，多采用這種方法.本文嘗試采用線性規(guī)劃的支持向量機來解決圖像的識別問題，在提高訓(xùn)練速度的同時，取得了很好的效果. 4.在圖像檢測過程中，巧妙的運用了支持向量機能夠特征選擇的特性，大大降低了圖像的維數(shù)，使檢測速度更加快速. 5.給出了運用支持向量機進行圖像檢測與識別的詳細步驟，并用MFC進行了C++編程，建立