支撑向量机在人脸表情识别中的应用
The Application of Support Vector Machines to Facial Expression Recognition
摘要
人脸表情是人类交流的一种重要的沟通方式,面部表情的识别有着广泛的应用领域,主要包括了人脸检测、表情特征提取和表情分类这3个关键环节。介绍了支撑向量机的基本原理,认为因其强大的分类能力,已被成功应用到人脸检测、人脸的姿态估计、人脸识别和语音情感识别中,且实验表明在表情识别方面亦能取得较高的识别率。
出处
《黎明职业大学学报》
2006年第3期33-37,共5页
Journal of LiMing Vocational University
参考文献3
-
1王治平,赵力,邹采荣.基于支持向量机的语音情感识别(英文)[J].Journal of Southeast University(English Edition),2003,19(4):307-310. 被引量：8
-
2梁路宏,艾海舟,肖习攀,叶航军,徐光祐,张钹.基于模板匹配与支持矢量机的人脸检测[J].计算机学报,2002,25(1):22-29. 被引量：57
-
3崔伟东,周志华,李星.支持向量机研究[J].计算机工程与应用,2001,37(1):58-61. 被引量：88
二级参考文献16
-
1[1]Vapnik V.The Nature of Statistical Learning Theory.New York:Springer-Verlag,1995
-
2[2]Cortes CVapnik V.Support Vector Networks.Machine Learning,1995;20:273～297
-
3[3]Osuna E,Freund R,Girosi F.Training Support Vector Machines:An Application to Face Detection.In:Proceedings of the IEEE International Conference on Computer Vision and Pattern Recognition,New York:IEEE,1997:130～136
-
4[4]Dumais S,Platt J,Heckerman D,Sahami M.Inductive Learning Algorithms and Representations for Text Categorization.In:Proceedings of the 7th International Conference on Information and Knowledge Management,1998
-
5[5]Joachims T.Text Categorization with Support Vector Machines:Learning with Many Relevant Features.In:Proceedings of the 10th European Conference on Machine Learning,1998
-
6[6]Courant R,Hilbert D.Methods of Mathematical Physics. Volume 1,Berlin:Springer-Verlag,1953
-
7[7]Stitson M O,Weston J A E,Gammerman A,Vovk V,Vapnik V.Theory of Support Vector Machines.Technical Report CSD-TR-96-17, Royal Holloway University of London,1996.12.31
-
8[8]Osuna E,Freund R,Girosi F.Support Vector Machines:Training and Applications.AI Memo 1602,MIT AI Lab,1997
-
9[9]Osuna E,Freund R,Girosi F.An Improved Training Algorithm for Support Vector Machines.In:Principe J,Gile L,Morgan N,Wilson E eds.,Proceedings of the 1997 IEEE Workshop on Neural Networks for Signal Processing,New York:IEEE,1997:276～285
-
10[10] Joachims T.Making Large-Scale SVM Learning Practical.In:Schol-kopf B,Burges C J C,Smola A eds.,Advances in Kernel Methods Support Vector Learning,Cambridge,MA:MIT Press,1998:169～184
共引文献150
-
1塔什甫拉提·尼扎木丁,梁瑞宇,谢跃,赵力.采用原子表示模型的维吾尔语语音情感识别[J].信号处理,2020,36(1):9-17. 被引量：3
-
2侯雪亮,李新,陈远平.基于多神经网络混合的短文本分类模型[J].计算机系统应用,2020(10):9-19. 被引量：5
-
3侯方亮,彭玉青.人脸识别技术进展[J].河北工业大学学报,2005,34(z1):78-80.
-
4杨志民,杨潇.支持向量机中不确定性信息的处理[J].吉林大学学报（工学版）,2004,34(z1):117-119. 被引量：1
-
5修非,吴霜,付立冬,鲍玉斌,王大玲.基于灰度-单元差分共生矩阵的医学图像的检索与分类[J].计算机研究与发展,2007,44(z3):183-188. 被引量：1
-
6方慧文,曾爱民,江小明,朱爱玲,杨永.近红外光谱结合化学计量学技术在食品掺假分析中的应用[J].食品安全质量检测学报,2012,3(5):427-431. 被引量：4
-
7王海燕,田娜,黄德民,帅高山.基于SVM超优平面的水中目标识别分类技术[J].水雷战与舰船防护,2003,0(1):42-45.
-
8张敏贵,潘泉,张洪才,姜睿.基于支持向量机的人脸分类[J].计算机工程,2004,30(11):110-112. 被引量：16
-
9闫友彪,陈元琰.机器学习的主要策略综述[J].计算机应用研究,2004,21(7):4-10. 被引量：56
-
10王晨,赵杰,臧希,陈甫,蔡鹤皋.一种基于支持向量机的数据融合方法的研究[J].机械与电子,2004,22(8):8-11. 被引量：3
-
1南丽丽.基于C#的即时通讯系统的设计与实现[J].信息与电脑（理论版）,2015(24):65-66. 被引量：1
-
2“情感机器人” 喜怒哀乐表情多[J].传感器世界,2014,20(3):46-46.
-
3最直接的交流语音识别[J].微型计算机,2012(21):91-91.
-
4小河.计算机技术与语言学的结合——细看机器翻译与语音识别[J].软件工程师,2001(2):11-18. 被引量：1
-
5刘焱,李庆煜.基于Web的机械零件虚拟实验室"交互性实施"研究[J].矿山机械,2004,32(5):61-63.
-
6双龙.智能机器人语音识别对话与控制[J].电子世界,2004(10):38-38. 被引量：2
-
7锐捷网络安全实验室——网络安全与保障的实战场[J].中国职业技术教育,2008,24(18):62-62.
-
8李浩然.互联网信息安全问题的研究[J].电脑迷,2016(10).
-
9英国研发“情感机器人”喜乐表情多怒哀[J].黑龙江科技信息,2014(5).
-
10雨果.德.加里斯,胡静.人类将被什么替代[J].课外阅读,2007(10):56-57.
