基于多核学习svm的图像分类识别算法

《基于多核学习svm的图像分类识别算法》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、为了确保“教学点数字教育资源全覆盖”项目设备正常使用，我校做到安装、教师培训同步进行。设备安装到位后，中心校组织各学点管理人员统一到县教师进修学校进行培训，熟悉系统的使用和维护。基于多核学习SVM的图像分类识别算法　　摘要：针对单核支持向量机在图像分类识别中检测精度较低的问题，提出一种多核学习SVM的图像分类识别算法，并将其应用到行人检测问题中。首先，提取行人的积分通道特征包括梯度直方图、彩色通道和梯度特征；然后，使用直方图交叉核、多项式核和径向基核构建混合核SVM分类器；最后，使用交叉验证和网格搜索的方法确定各种核的

2、融合系数。在TUD数据集上的测试结果表明，该方法具有较好的鲁棒性和较高的检测精度。　　关键词：支持向量机；多核学习；行人检测；图像识别；直方图交叉核；交叉验证　　中图分类号：?34；TP311文献标识码：A文章编号：1004?373X06?0050?03　　Abstract：Inallusiontotheproblemthatthesinglekernelsupportvectormachinehaslowdetectionprecisioninimageclassificationandrecognition，ani

3、mageclassificationandrecognitionalgorithmbasedonmulti?kernellearningSVMisproposedandappliedtothepedestriandetectionproblem.Thepedestrians′integralchannelfeaturesincludingthegradienthistogram，thecolorchannelandthegradientfeatureareextracted.Thehybrid为了充分发挥“教学点数字教

4、育资源全覆盖”项目设备的作用，我们不仅把资源运用于课堂教学，还利用系统的特色栏目开展课外活动，对学生进行安全教育、健康教育、反邪教教育等丰富学生的课余文化生活。为了确保“教学点数字教育资源全覆盖”项目设备正常使用，我校做到安装、教师培训同步进行。设备安装到位后，中心校组织各学点管理人员统一到县教师进修学校进行培训，熟悉系统的使用和维护。kernelSVMclassifierisconstructedbyusingthehistogramcrosskernel，thepolynomialkernel，andtheradi

5、albasiskernel.Themethodsofcrossvalidationandgridsearchareusedtodeterminethefusioncoefficientsofvariouskernels.TheresultsfromtheTUDdatasettestshowthatthemethodhasgoodrobustnessandhighdetectionprecision.　　Keywords：SVM；multi?kernellearning；pedestriandetection；image

6、recognition；histogramcrosskernel；crossvalidation　　核学习是一种以核函数和统计学习理论为基础的机器学习方法[1]，该方法通常包括核函数的选择与构造、使用核函数构建分类器两个部分[2]。使用核学习方法可以避免显式计算低维空间的样本到高维空间的映射，直接将�颖咀�化为高维空间的点积[3]。　　支持向量机[4]的本质为核方法，在解决非线性、小样本和高维模式识别问题中表现出了诸多优势。SVM的发展促进了核学习方法，相继出现了核Fisher判别方法、核主成份分析方法、核判别分析以及

7、核独立分量分析[5?7]等。核方法被广泛应用于求解高维、动态、数量多和含噪声等问题中。为了充分发挥“教学点数字教育资源全覆盖”项目设备的作用，我们不仅把资源运用于课堂教学，还利用系统的特色栏目开展课外活动，对学生进行安全教育、健康教育、反邪教教育等丰富学生的课余文化生活。为了确保“教学点数字教育资源全覆盖”项目设备正常使用，我校做到安装、教师培训同步进行。设备安装到位后，中心校组织各学点管理人员统一到县教师进修学校进行培训，熟悉系统的使用和维护。　　然而，每一种核均存在较大的差异，对应于不同的应用场合，目前还没有完备的

8、选择核函数的理论依据。选择与设计适合给定问题核函数，是核方法和SVM共同面临的问题。当数据样本存在多维数据不规则、含异构信息或高维空间分布不平坦等问题时，难以使用单一的核函数映射处理所有样本。因此，众多文献提出了基于混合核或组合核的方法，即多核学习的方法。如文献[8]组合使用径向基核函数和多项式核来提高SVM的分类精度；文献[9]