中央民族大学学报（自然科学版）
中央民族大學學報（自然科學版）
중앙민족대학학보（자연과학판）
JOURNAL OF THE CENTRAL UNIVERSITY FOR NATIONALITIES （NATURAL SCIENCES EDITION）
2011年
1期
37-41
,共5页
杨丽明%唐奇%张磊%曾善玉
楊麗明%唐奇%張磊%曾善玉
양려명%당기%장뢰%증선옥
支持向量机%特征选择%ROC曲线
支持嚮量機%特徵選擇%ROC麯線
지지향량궤%특정선택%ROC곡선
近年来,建立在统计学习理论基础上的SVM(Support Vector Machine)在小样本学习、高维数及全局最优解等方面具有独特的优势,因而受到广大学者的广泛关注.本文建立了基于稀疏的支持向量机的图像识别系统,并利用ROC(Receiver Operating Charaeteristics)特征曲线进行算法评价.首先建立了1-norm SVM算法,得到稀疏的SVM分类器,然后利用ROC特征曲线评价准则与传统算法进行评价.基于数字和人脸图像的数值实验表明,1-norm支持向量机在降维的同时,保持了较高的识别率,增加了模型的鲁棒性.
近年來,建立在統計學習理論基礎上的SVM(Support Vector Machine)在小樣本學習、高維數及全跼最優解等方麵具有獨特的優勢,因而受到廣大學者的廣汎關註.本文建立瞭基于稀疏的支持嚮量機的圖像識彆繫統,併利用ROC(Receiver Operating Charaeteristics)特徵麯線進行算法評價.首先建立瞭1-norm SVM算法,得到稀疏的SVM分類器,然後利用ROC特徵麯線評價準則與傳統算法進行評價.基于數字和人臉圖像的數值實驗錶明,1-norm支持嚮量機在降維的同時,保持瞭較高的識彆率,增加瞭模型的魯棒性.
근년래,건립재통계학습이론기출상적SVM(Support Vector Machine)재소양본학습、고유수급전국최우해등방면구유독특적우세,인이수도엄대학자적엄범관주.본문건립료기우희소적지지향량궤적도상식별계통,병이용ROC(Receiver Operating Charaeteristics)특정곡선진행산법평개.수선건립료1-norm SVM산법,득도희소적SVM분류기,연후이용ROC특정곡선평개준칙여전통산법진행평개.기우수자화인검도상적수치실험표명,1-norm지지향량궤재강유적동시,보지료교고적식별솔,증가료모형적로봉성.
