基于关键子区域及特征提取的表情识别

针对传统表情识别系统不能充分提取关键子区域及有效特征的缺陷,设计了基于关键子区域及特征提取的表情识别系统。首先使用面部关键点检测技术及面部编码系统筛选出关键子区域;然后对其进行特征提取。提出一种改进的局部梯度编码算子(LGC)、局部均值梯度编码算子(LMGC-HD);改进的算子具有更低的维度,能够充分地描述局部形变;且受随机噪声及边缘变化影响小。最后使用支持向量机(SVM)进行分类识别。采用CK+数据集进行实验,结果证明该系统能够有效地提高人脸表情的识别率。     

低阶数据映射和特征加权的线性SVM

针对传统线性支持向量机在训练数据集时均等对待每一维输入特征,以及在原始空间直接分类造成预测准确率低的问题,提出低阶多项式数据映射和特征加权相结合的方法,来提高线性支持向量机的分类性能。该方法首先将每个样本映射到多项式核对应的2 阶显式特征空间,从而增加样本的隐性信息,然后使用模糊熵特征加权算法计算每一维特征的权重,通过权重衡量特征对分类结果的贡献大小。从不同数据库选取7个数据集进行测试,在训练时间和预测准确率2个方面将该方法与核支持向量机、线性支持向量机的其他改进算法进行比较。结果显示,随着数据集规模的扩大,训练时间降低一个数量级,预测准确率在一些数据集上取得与核支持向量机相接近的效果。结果表明：所提方法可以有效提高线性支持向量机的整体性能。     

基于支持向量机模型的滑坡危险性评价

以长安区为研究区,在分析研究区地质环境条件以及滑坡发育特征的基础上,选取12类因子作为评价指标,通过Spearman对各因子之间的相关性进行分析;分别采用线性核函数(LN)、多项式核函数(PL)、径向基核函数(RBF)、Sigmoid核函数下的支持向量机模型对研究区地质灾害危险性进行评价,利用ArcGIS软件生成最终的危险性评价结果图,将评价结果图划分为四个危险等级,分别为极高危险区、高危险区、中危险区、低危险区;不同核函数下的支持向量机模型经ROC曲线验证得到:RBF-SVM模型的预测精度最高,此核函数下的支持向量机模型更适应于该研究区滑坡灾害危险性评价中。研究结论可以为类似地质环境条件下区域地质灾害危险性评价模型的选取提供参考。