基于混淆交叉支撑向量机树的自动面部表情分类方法

面部表情自动分类是情感信息处理研究中的重要内容,为了提高表情识别的准确率以及鲁棒性,提出了一种基于混淆交叉支撑向量机树的面部表情自动分类方法。该方法依据伪Zernike矩特征,以混淆交叉支撑向量机树对矩特征进行学习,实现面部表情的自动分类。混淆交叉支撑向量机树的结构使模型能够根据教师信号将面部表情识别问题分解,在不同的层次上以相对较低的复杂度解决子问题;在训练阶段,对当前中间节点划分的两个子样本集进行混淆交叉,增强了模型在面部表情识别上的整体泛化性能以及鲁棒性。实验对Cohn-Kanade面部表情数据库中的6类基本表情进行自动分类,准确率达到96.31%;与同样基于该数据库的识别方法相比,该方法在识别正确率和鲁棒性上具有较大的优势。

基于混淆交叉的多分类支撑向量机树

本文针对复杂模式分类和多分类问题,提出了一种基于混淆交叉的多分类支撑向量机树模型,其整体结构为二叉树,在树的每个中间节点上嵌入了支撑向量机。在训练阶段,引入混淆交叉因子,在同属一个父节点的中间节点样例间进行样例的混淆交叉,将那些对分类曲面有较大影响的样例纳入树型结构更深层次的训练过程,参与更精细的分类超曲面的构建。本文将提出的支撑向量机树与现有的其他方法作了比较,实验结果说明了本文提出的模型在解决复杂模式识别问题及多分类问题上具有高效准确性及优越的泛化性能。