【#第一文档网# 导语】以下是®第一文档网的小编为您整理的《黄梓智毕业论文设计开题报告》，欢迎阅读！
惠州学院本科毕业论文（设计）开题报告
姓名 指导教师 课题名称 选依和义
黄梓智 陈治明
支持向量机在人脸识别方向的研究及其应用
学号100701211
专业、班级 职称
10电气2
副教授
题 支持向虽机方法是建立在统计了习理论的VC维理论和结构风险最小原理基础上的，根据有限的样本信 据 息在模型的复杂性（即对特定训练样本的学习精度）和学习能力（即无错误地识别任意样本的能力）之 意 间寻求最佳折衷，以求获得最好的推广能力。支持向1-m （Support Vector Machine, SVM）是Corinna Cortes
和Vapnik8等于1995年首先扌是出的，它在解决小样本、非线性及高维模式识别中衣现出许多特 有的优势，并能够推广应用到函数拟合等其他机器学习问题中
研的本容解的题.
究 研究的基本内容 基 内
（1） 向量机的基本原理；
（2） 通过matlab支持向量机算法工具箱进行分类和回归的方法（3）分析目前存在的支持向量机算 法
及 的缺点并提出算法改进措施，并用matlab语言和相尖的算法丄具箱实现；（4）对•些标准测试函 数，用决 捉岀的改进算法进行优化，检验算法结果；（5＞支持向虽机人脸识别的应用，用扌是出的改进 算法进行主 回归或分类，检验算法效果：
要 问
研究 1 •第•阶段：2013年12月一 2月：通过网络和书籍査阅相尖资料，确定设计方向。 的进 2.第二阶段：2014年2月一 3月：整理和尖资料，确定设计的研究方法并捉交开报告： 度、
3•第二阶段：2014年3月一 4月：构造出论文总体方案设计及论证，完成论文初稿，并请教指导老师，
步骤 对论文初稿进行湘尖的修改：4.第四阶段：2014年4月：接受论文中期检杳，进行论文修改以及定稿：5.
第五阶段：2014年5月，汇总全部资料并整理，准备迎接论文答辩。
研究 的[1]扌是出了两种基于VC边界的史持向量机参数选择算法？.同定C算法和vcrv算法。VC边界 是两
方 法及 类支持向量机参数选择的•个理想准则，仍它的•些财有缺点使其应用变得困难。本文通过将VC边 界转措施 化为VC指标，最终把问题归结为对最小包冋体的求解，从埋论上和讨'算上为VC边界的使用铺、rr 道
路。在此基础之上，本文捉出了两种基于VC边界的参数选择算法固定C算法和VC-CV算法。在数个 基准数据集上的实验农明，相比交义验证算法，VC—CV算法不仪能获得性能更好的分类器，m且具有较 低的讣莽复杂度。
使用序贯撮小优化算法解决，最小包围体求解问題。最小包围体求解足计算VC指标的•个尖键步 骤，本文使J； {}JJT贯虽小优化算法对其求解，并对算法初始化、参数选择及更新等若r实现问题进行 了深入地研究。在多个基准数据集上的实验农明，序货晶小优化算法能够快速而准确地解决撮小包闱体 求解问题。
[2]研究J,多类支持向量机参数选择的策略问题。与文献中，“泛采用的An-in. One策略小冋，本 文
所采用的One-m-One策略为每个两类分类器单独选择参数，所得到的多炎史持向量机结构灵活,易于扩 展。我们从理论【：和实验j二对All. in. One和One—in. One进行J,分析比较，指明J,两者各自的优缺 点，为它们在实际・1 ■的应川提供参考。 出」’
曲种新的多类支持向量机结果构建算法NPWC. CC算法和PWC分类器阵列法。通过使用校正分类器，
NPWC— C算法将朦来的painvise probabilities转 换为・组新的painvise probabilities.以捉高口，靠的局 部输
【3】扌是
出的信度，降低不町靠局部输出的信度，从而减少不可靠局部输出对全局输出的影响，捉咼全局输 岀的质量。PWC分类器阵列法则为问题域中的每个类别构建•个PWC分类器，每个PWC分类器m且仪 由与对应类别相尖的两类分类器组合而成。PWC分类器阵列法不仪有效克服」现有PWC算法的缺点， 而且成功地将绝人多数的PWC算法统■到了 ••起。在数个基准数据集上的实验证明了 NPWC-CC算 法和
PWC分类器阵列法的有效性。
[4]提出了 •种快速的、具有•一叉树结构的支持向量机入脸识别算法BTBSVM。实时性是人 脸
识别系统的•个尖键性能。在识别时，普通多类支持向量机需耍使用所有的两类分类器进行计算，识 别速度慢，无法达到实时性。通过二叉树的使用，BTBSVM在派别时只需？小部分两类分类器进行汁 算，人人捉咼丁识别速度。实验农明，BTESVM的识别速度比普通多类支持向量机要快数十倍，两者的 识别性能则相差％多。
本文来源：https://www.dy1993.cn/Dwtx.html
下载此文档
文档下载
2022-10-23
