电视技术
電視技術
전시기술
Video Engineering
2015年
21期
99-103
,共5页
直推式迁移学习%面部表情识别%核主成分分析%特定个体学习%稀疏系数重建
直推式遷移學習%麵部錶情識彆%覈主成分分析%特定箇體學習%稀疏繫數重建
직추식천이학습%면부표정식별%핵주성분분석%특정개체학습%희소계수중건
transductive transfer learning%facial expression recognition%kernel principal component analysis%specific person learning%sparse coefficient reconstruction
针对现实生活中采集的特定个体数据稀疏而导致学习时产生过拟合的问题,提出了一种基于迁移学习的特定个体学习模型.首先,利用直推式迁移学习从源数据提取有用信息并将其添加到目标数据;然后,利用核主成分分析进行特征提取;最后,将各个样本建模为流形,并利用稀疏系数重建和k近邻分类器完成识别.在PAINFUL数据库上的实验结果表明,所提模型在痛苦表情上的识别精度可高这96.29％,ROC下方面积可高达0.904,相比其他几种较新的模型,所提模型取得了更好的识别性能.
針對現實生活中採集的特定箇體數據稀疏而導緻學習時產生過擬閤的問題,提齣瞭一種基于遷移學習的特定箇體學習模型.首先,利用直推式遷移學習從源數據提取有用信息併將其添加到目標數據;然後,利用覈主成分分析進行特徵提取;最後,將各箇樣本建模為流形,併利用稀疏繫數重建和k近鄰分類器完成識彆.在PAINFUL數據庫上的實驗結果錶明,所提模型在痛苦錶情上的識彆精度可高這96.29％,ROC下方麵積可高達0.904,相比其他幾種較新的模型,所提模型取得瞭更好的識彆性能.
침대현실생활중채집적특정개체수거희소이도치학습시산생과의합적문제,제출료일충기우천이학습적특정개체학습모형.수선,이용직추식천이학습종원수거제취유용신식병장기첨가도목표수거;연후,이용핵주성분분석진행특정제취;최후,장각개양본건모위류형,병이용희소계수중건화k근린분류기완성식별.재PAINFUL수거고상적실험결과표명,소제모형재통고표정상적식별정도가고저96.29％,ROC하방면적가고체0.904,상비기타궤충교신적모형,소제모형취득료경호적식별성능.
