夏佩佩
- 作品数:16 被引量:14H指数:2
- 供职机构:苏州大学更多>>
- 发文基金:江苏省高校自然科学研究项目江苏省自然科学基金国家自然科学基金更多>>
- 相关领域:自动化与计算机技术更多>>
- 一种基于支持向量机的人脸识别方法及系统
- 本发明公开了一种基于支持向量机的人脸识别方法及系统。所述方法包括:获取人脸样本训练集:对于人脸样本训练集中的每一个人脸样本,随机选取k个与该人脸样本属于同一个类别的人脸样本作为同类样本,随机选取k个与该人脸样本属于不同类...
- 张莉夏佩佩丁春涛王邦军李凡长何书萍杨季文
- 文献传递
- 一种最终分类器的获得方法及应用方法、系统
- 本发明公开了一种基于相似性学习的人脸集匹配方法及系统,通过从原始数据样本中选取训练集样本和测试集样本,并挑选训练样本,计算真实相似度,与计算出的计算相似度进行比较,从而选取最终分类器,并将训练样本中每类样本的几何平均值以...
- 张莉夏佩佩卢星凝王邦军何书萍李凡长杨季文
- 文献传递
- 一种人脸识别的方法及系统
- 本发明公开了一种人脸识别的方法,通过对测试样本和训练样本进行随机的降维,并生成相似性学习训练集和测试集,选择支持向量机的正则参数和高斯核函数,将相似性学习的训练集输入到正则参数和高斯核函数中,得到分类器模型,再将相似性学...
- 张莉夏佩佩冷亦琴何书萍王邦军李凡长杨季文
- 一种最终分类器的获得方法及应用方法、系统
- 本发明公开了一种基于相似性学习的人脸集匹配方法及系统,首先通过选取部分样本作为训练样本,进行训练过程,实现对分类器的选取,避免了将所有的样本作为训练样本进行训练,并对训练集样本进行降维处理,得到降维训练样本,避免了高维数...
- 张莉夏佩佩王邦军何书萍杨季文李凡长
- 一种相似性学习算法及其在人脸识别中的应用被引量:3
- 2014年
- 传统的支持向量机相似性学习算法在构造样本对时,会考虑所有的原始训练样本,致使样本对空间和原样本空间呈平方关系,而过多的训练样本对会降低训练速度。为此,提出一种改进的支持向量机相似性学习算法,并应用到人脸识别中。引入二元样本对方法构造样本对,采用K近邻算法减少不相似样本对的生成,从而加快支持向量机的训练速度,同时使用随机降维方法来降低人脸数据的维数。实验结果表明,与基于差空间样本对和差绝对值样本对的算法相比,该算法可获得更高的识别率。
- 夏佩佩张莉
- 关键词:支持向量机K近邻算法人脸识别
- 一种人脸识别的方法及系统
- 本发明公开了一种人脸识别的方法,通过对测试样本和训练样本进行随机的降维,并生成相似性学习训练集和测试集,选择支持向量机的正则参数和高斯核函数,将相似性学习的训练集输入到正则参数和高斯核函数中,得到分类器模型,再将相似性学...
- 张莉夏佩佩冷亦琴何书萍王邦军李凡长杨季文
- 文献传递
- 一种最终分类器的获得方法及应用方法、系统
- 本发明公开了一种基于相似性学习的人脸集匹配方法及系统,首先通过选取部分样本作为训练样本,进行训练过程,实现对分类器的选取,避免了将所有的样本作为训练样本进行训练,并对训练集样本进行降维处理,得到降维训练样本,避免了高维数...
- 张莉夏佩佩王邦军何书萍杨季文李凡长
- 文献传递
- 不平衡数据学习算法在相似性学习中的应用被引量:1
- 2014年
- 在现实问题中,相似性学习的样本对存在不平衡现象,即相似性样本对的数量会远小于不相似性样本对的数量.针对此问题,文中提出两种样本对构造方法——不相似K近邻-相似K近邻(DKNN-SKNN)和不相似K近邻-相似K远邻(DKNN-SKFN).运用这两种方法可有针对性地选择相似性学习样本对,不仅可加快支持向量机的训练过程,而且在一定程度上解决样本对之间的不平衡问题.在多个数据集上进行文中方法和经典的重采样方法的对比实验,结果表明DKNN-SKNN和DKNN-SKFN具有良好性能.
- 夏佩佩张莉
- 关键词:支持向量机K近邻重采样
- 一种数据可视化方法及系统
- 本发明提供了一种数据可视化方法,包括:获取第一数据集并计算所述第一数据集中每个数据的可视化坐标,得到与所述第一数据集对应的可视化坐标集,其中,所述第一数据集包括n个D维数据,n为大于等于1的正整数,D为大于等于1的正整数...
- 张莉冷亦琴夏佩佩杨季文何书萍王邦军李凡长
- 文献传递
- 一种基于支持向量机的人脸识别方法及系统
- 本发明公开了一种基于支持向量机的人脸识别方法及系统。所述方法包括:获取人脸样本训练集:对于人脸样本训练集中的每一个人脸样本,随机选取k个与该人脸样本属于同一个类别的人脸样本作为同类样本,随机选取k个与该人脸样本属于不同类...
- 张莉夏佩佩丁春涛王邦军李凡长何书萍杨季文
- 文献传递