組合分類器在新生兒疼痛表情識(shí)別中的應(yīng)用.pdf

1、近年來，有關(guān)新生幾疼痛的研究證實(shí)，反復(fù)的疼痛刺激會(huì)對(duì)新生兒(尤其對(duì)早產(chǎn)兒和危重兒)產(chǎn)生一系列近期和遠(yuǎn)期的不良影響，因此醫(yī)學(xué)界正致力于開發(fā)出新生兒疼痛評(píng)估工具。在評(píng)估新生兒疼痛時(shí)，專家認(rèn)為僅靠生理變化來評(píng)估疼痛是遠(yuǎn)遠(yuǎn)不夠的，因?yàn)槠渌翘弁吹拇碳ひ部梢痤愃粕矸磻?yīng)，因此必須與行為評(píng)估方法聯(lián)合應(yīng)用。新生兒疼痛的行為反應(yīng)包括軀體活動(dòng)、哭泣、睡眠以及面部表情的改變，其中面部表情的改變被視為是一種最好的疼痛評(píng)估指標(biāo)。開發(fā)一種基于面部表情識(shí)別的新生

2、兒疼痛自動(dòng)評(píng)估系統(tǒng)具有非常重要的意義和價(jià)值，而表情分類作為表情識(shí)別的最后一個(gè)環(huán)節(jié)具有至關(guān)重要的作用。本文所做的工作就是在新生兒面部表情特征提取的基礎(chǔ)上進(jìn)行表情分類。
　　 本文在研究支持向量機(jī)和AdaBoost算法的基礎(chǔ)上，研究了組合AdaBoost和RBFSVM的可行性，并設(shè)計(jì)開發(fā)了組合分類算法--AdaBoostSVM。把該算法應(yīng)用于新生兒疼痛表情識(shí)別中。主要工作如下:(1)針對(duì)多分類情況，對(duì)當(dāng)前流行的SVM多分類技術(shù)進(jìn)行了

3、深入研究，并討論了AdaBoostSVM所采用的多分類策略。(2)在建立新生兒疼痛表情數(shù)據(jù)庫的基礎(chǔ)上，設(shè)計(jì)并實(shí)現(xiàn)了基于AdaBoostSVM的新生兒表情分類系統(tǒng)，并使用該系統(tǒng)進(jìn)行了模型初始參數(shù)的實(shí)驗(yàn)。實(shí)驗(yàn)表明在固定懲罰因子C的基礎(chǔ)上，逐步減少高斯帶寬參數(shù)σ到一個(gè)適當(dāng)值可以極大的改善性能。(3)通過對(duì)AdaBoostSVM和單個(gè)SVM分類器以及基于決策樹的AdaBoost算法進(jìn)行新生兒疼痛表情識(shí)別比較，得出本文應(yīng)用的AdaBoostSVM