计算机工程
計算機工程
계산궤공정
COMPUTER ENGINEERING
2010年
23期
139-141,145
,共4页
表情识别%隐马尔可夫模型%支持向量机%K近邻距离分类器
錶情識彆%隱馬爾可伕模型%支持嚮量機%K近鄰距離分類器
표정식별%은마이가부모형%지지향량궤%K근린거리분류기
根据隐马尔可夫模型(HMM)适用于处理连续动态序列信号、支持向量机(SVM)与K近邻分类器(KNN)擅长模式分类的特点,设计一种(HMM+KNN)+SVM的混合分类器.利用HMM与KNN对测试样本进行判决.当判决结果相同时,直接输出判决结果,否则引入SVM对测试样本进行再判决.实验结果表明,该方法所确定的分类器优于单一的分类器判决,能有效实现表情识别.
根據隱馬爾可伕模型(HMM)適用于處理連續動態序列信號、支持嚮量機(SVM)與K近鄰分類器(KNN)擅長模式分類的特點,設計一種(HMM+KNN)+SVM的混閤分類器.利用HMM與KNN對測試樣本進行判決.噹判決結果相同時,直接輸齣判決結果,否則引入SVM對測試樣本進行再判決.實驗結果錶明,該方法所確定的分類器優于單一的分類器判決,能有效實現錶情識彆.
근거은마이가부모형(HMM)괄용우처리련속동태서렬신호、지지향량궤(SVM)여K근린분류기(KNN)천장모식분류적특점,설계일충(HMM+KNN)+SVM적혼합분류기.이용HMM여KNN대측시양본진행판결.당판결결과상동시,직접수출판결결과,부칙인입SVM대측시양본진행재판결.실험결과표명,해방법소학정적분류기우우단일적분류기판결,능유효실현표정식별.
