共查询到18条相似文献，搜索用时 203 毫秒
1.
本文基于Accord.NET Framework,构建了一个基于肤色检测和支持向量机的人脸检测系统。首先提取图片中肤色区域,用已经训练好支持向量机的人脸检测模型检测图片中的肤色区域,区分出人脸部分。 相似文献
2.
3.
针对灰度图像中的人脸检测问题,提出了一种基于多种支持向量机的决策融合检测方法。该方法首先用传统的二类支持向量机(C—SVM)和单类支持向量机(One-Class SVM)分别对图像进行检测,然后决策融合两种分类器的检测结果。在MIT CUM人脸库上的实验结果表明,该方法具有良好的检测效果和较低的虚警率。 相似文献
4.
本文研究了基于特征脸的人脸检测算法,针对其分类能力差的特点,基于主元分析提取特征向量空间构造弱分类器,结合AdaBoost算法构造强分类器,提出了一种人脸检测算法。利用MIT+CMU人脸数据库测试该算法的性能,结果表明本算法在运行时间与检测正确率方面明显优于基于神经网路的算法和支持向量机算法。 相似文献
5.
人脸检测作为人脸识别系统的重要一环,越来越受到技术研究和商业应用的关注。针对人脸检测中时间和检测率不能很好保证的情况,提出了使用DCT变换和支持向量机的人脸检测算法。利用离散余弦变换的系数作为支持向量机的输入特征值,证明该方法能提高人脸检测的准确性,并缩短检测时间。 相似文献
6.
提出一种基于主成分分析和支持向量机与线性判别分析结合算法的合成孔径雷达(synthetic aperture radar,SAR)图像目标鉴别方法.利用主成分分析算法对SAR图像向量进行降维并提取其全局特征,对降维后的全局特征采用最小类内散度支持向量机算法进行变换,并对变换结果训练生成最佳分类器,进行分类完成目标鉴别.实验结果表明该方法可以获得较高的分类正确率. 相似文献
7.
为解决变光照下人脸识别率低问题,提出一种鲁棒性强的光照人脸处理算法(ISSR)。首先对亮度图像进行粗估计,然后通过非线性运算在反射图像中对粗估计的亮度图像进行补偿,最后采用支持向量机建立人脸识别分类器,并采用Yale、CMU-PIE和AR人脸库进行仿真测试。结果表明,相对于其它光照处理算法,ISSR算法增强了人脸图像的质量,提高不同光照条件下的人脸图像识别正确率,鲁棒性更强。 相似文献
8.
为去除网络入侵数据集中的冗余和噪声特征,降低数据处理难度和提高检测性能,提出一种基于特征选择和支持向量机的入侵检测方法。该方法采用提出的特征选择算法选取最优特征组合,并以支持向量机为分类器建立模型,应用于入侵检测系统。仿真结果表明,本文方法不仅可以减少特征维数,降低训练和测试时间,还能提高入侵检测的分类准确率。 相似文献
9.
设Ｇ 为Ａ的群作用,则（１） Ｎ（ Ａ） ＝ Ｎ（ Ａ＊ Ｇ） ∩Ａ;（２） Ｎ（ Ａ＊ Ｇ） Ｇ ＝ Ｎ（ Ａ） ＊ Ｇ．进而得出推论：设Ｇ 为Ａ 的群作用且无｜ Ｇ｜ｔｏｒｓｉｏｎ ,则Ａ 为半素当且仅当Ａ＊ Ｇ为半素．此推论显然包含并改进了ＦｉｓｈｅｒＭｏｎｔｇｏｍｅｒｙ 定理 相似文献
10.
提出了一种基于流形学习的视频中文文本检测算法.算法重点针对文本图像和非文本图像的特征提取、流形降维、分类器训练等关键部分进行了改进,对人为收集的文本图像样本与非文本图像样本进行特征提取,并使用等距离映射的流形学习算法来完成特征降维,最后使用支持向量机来完成分类器训练,获取文本与非文本检测分类器,完成视频中文文本检测.实验结果表明,算法具有明显优越性,在检测可靠性和准确度上有较大提高,具有一定的实用意义. 相似文献
11.
12.
基于PCA及SVM的图像信息隐藏检测* 总被引：1，自引：0，他引：1
本文提出了一种基于主成分分析（PCA, principal components analysis）及支持向量机（SVM, support vector machines）的信息隐藏盲检测方法。该方法根据信息隐藏时对载体图像引入噪声的特点,通过分析图像块的主成分,计算出图像的特征向量。通过对原始样本图像和藏密样本图像特征向量的学习和训练,得到SVM检测模型,可用于信息隐藏的盲检测。实验结果表明,该方法能够有效地检测出目前常用的信息隐藏方法。 相似文献
13.
针对传统网络入侵算法在WLAN中的异常检测效率低,提出了一种SVM算法的WLAN入侵检测方法,首先对网络入侵的数据计算信息增益,从原始数据中选取对分类结果影响较大的特征属性,对SVM参数进行优化,最后采用优化的SVM算法对无线网络数据进行检测,得出网络入侵结果.实验结果表明,提出的算法检测正确率高、漏报率与误报率低,具有很好的应用前景. 相似文献
14.
We study several machine learning algorithms for cross-language patent retrieval and classification. In comparison with most of other studies involving machine learning for cross-language information retrieval, which basically used learning techniques for monolingual sub-tasks, our learning algorithms exploit the bilingual training documents and learn a semantic representation from them. We study Japanese–English cross-language patent retrieval using Kernel Canonical Correlation Analysis (KCCA), a method of correlating linear relationships between two variables in kernel defined feature spaces. The results are quite encouraging and are significantly better than those obtained by other state of the art methods. We also investigate learning algorithms for cross-language document classification. The learning algorithm are based on KCCA and Support Vector Machines (SVM). In particular, we study two ways of combining the KCCA and SVM and found that one particular combination called SVM_2k achieved better results than other learning algorithms for either bilingual or monolingual test documents. 相似文献
15.
16.
介绍了一个更有效的基于支持向量机的实时超声波钢轨伤损自动检测分类系统.根据钢轨伤损的特点提取特征量,利用基于支持向量机的分类预测算法实现钢轨伤损的实时检测分类,并基于统计处理的计算伤损尺寸.在嵌入式系统DSP中利用该机器学习算法实现了伤损的实时处理和测试.实现了钢轨伤损实时报警、显示伤损类型、所处轨内位置及程度. 相似文献
17.