计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2008年
14期
39-41,53
,共4页
级联%目标检测%支持向量机(SVM)
級聯%目標檢測%支持嚮量機(SVM)
급련%목표검측%지지향량궤(SVM)
为了对目标进行快速的检测,提出了一种新的基于支持向量机的级联式分类器的构造方法.该级联分类器由若干个线性SVM弱分类器构成,结构简单,分类时间极快.针对级联结构中的每个节点的训练给出了一个新的SVM框架下的二次规划模型,这使得每个节点都有较高的正样本检测率和适当的负样本错检率.实际的实验结果表明,与经典非线性SVM分类器相比,这种分类器在保持SVM较强泛化性能的优点的同时,在检测效率方面更是具有明显的优势.
為瞭對目標進行快速的檢測,提齣瞭一種新的基于支持嚮量機的級聯式分類器的構造方法.該級聯分類器由若榦箇線性SVM弱分類器構成,結構簡單,分類時間極快.針對級聯結構中的每箇節點的訓練給齣瞭一箇新的SVM框架下的二次規劃模型,這使得每箇節點都有較高的正樣本檢測率和適噹的負樣本錯檢率.實際的實驗結果錶明,與經典非線性SVM分類器相比,這種分類器在保持SVM較彊汎化性能的優點的同時,在檢測效率方麵更是具有明顯的優勢.
위료대목표진행쾌속적검측,제출료일충신적기우지지향량궤적급련식분류기적구조방법.해급련분류기유약간개선성SVM약분류기구성,결구간단,분류시간겁쾌.침대급련결구중적매개절점적훈련급출료일개신적SVM광가하적이차규화모형,저사득매개절점도유교고적정양본검측솔화괄당적부양본착검솔.실제적실험결과표명,여경전비선성SVM분류기상비,저충분류기재보지SVM교강범화성능적우점적동시,재검측효솔방면경시구유명현적우세.