版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、信息的飛速膨脹促進了“大數(shù)據(jù)”時代的來臨,如何高效、快速的處理大數(shù)據(jù)成為信息領(lǐng)域一個重要的課題。深度學習通過模擬人腦的工作方式來獲取數(shù)據(jù)的重要信息,成為現(xiàn)階段處理數(shù)據(jù)的一種重要的手段。卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,CNN)作為深度學習的一種,主要特征包括權(quán)值數(shù)量、局部感受野以及卷積運算,這些特點保證了它良好的應(yīng)用效果,解決了信息處理中特征提取前需要大量預處理工作的問題。本文主要研究基于支持向量
2、機及隨機森林的卷積神經(jīng)網(wǎng)絡(luò)分類模型,并應(yīng)用于人臉檢測領(lǐng)域中。主要創(chuàng)新工作如下:
?。?)提出了一種基于支持向量機(Support Vector Machine,SVM)的經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)分類模型。卷積神經(jīng)網(wǎng)絡(luò)無需復雜的預處理工作,能夠有效的提取圖像的特征向量,但是其分類工作完全依賴于全連接層,因此檢測率有待提高。支持向量機具有良好的分類能力,但是不能進行特征提取,因此將二者的優(yōu)點結(jié)合,提出基于 SVM的經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)分類模型。
3、實驗證明這種模型能夠有效的提高經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)的分類能力。
?。?)提出了基于SVM以及隨機森林(Random Forest,RF)的PCANets分類模型。首先,在基于SVM的經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)模型中用PCANets取代經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)得到基于SVM的PCANets分類模型,其次用RF替換SVM進行分類,得到基于RF的PCANets分類模型。這兩種模型結(jié)構(gòu)簡單,訓練中無需大量計算參數(shù)。實驗結(jié)果證明,基于RF的PCANets分類模
4、型運行速度更快,而基于SVM的PCANets分類模型檢測率更高,且這兩者模型在運行中都不需要多次人工干預設(shè)定參數(shù)。
?。?)提出了基于SVM/RF的自適應(yīng)中值濾波PCANets分類模型。引入自適應(yīng)中值濾波算法到基于SVM/RF的PCANets分類模型中。首先用自適應(yīng)中值濾波算法對圖像去噪,然后用PCANets算法提取特征向量,最后用SVM/RF檢測分類。自適應(yīng)中值濾波算法簡單,可以根據(jù)具體的圖像自適應(yīng)調(diào)整算法,因此運行效率較高,
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于判別公共矢量的模式識別技術(shù)及其應(yīng)用研究——SVM改進算法在噪音人臉分類中的應(yīng)用.pdf
- 基于Adaboost算法訓練分類器的研究及其在人臉檢測中的應(yīng)用.pdf
- 基于粒子群的AdaBoost算法及其在人臉檢測中的應(yīng)用研究.pdf
- 基于改進的特征表示模型的分類方法及其在人臉識別中的應(yīng)用.pdf
- 基于膚色的人臉檢測及其在紅眼消除中的應(yīng)用研究.pdf
- 基于全空間逆表示的分類模型及其在人臉識別中的應(yīng)用.pdf
- SVM分類器的擴展及其應(yīng)用研究.pdf
- SVM分類器在肝癌早期診斷中的應(yīng)用研究.pdf
- RF MEMS開關(guān)及其在移相器中的應(yīng)用研究.pdf
- 基于車輛聲信號的SVM及CNN車型分類識別方法研究.pdf
- AdaBoost算法在人臉檢測中的應(yīng)用研究.pdf
- SVM參數(shù)尋優(yōu)及其在分類中的應(yīng)用.pdf
- 基于SVM的多類文本分類算法及其應(yīng)用研究.pdf
- SVM分類模型在癌癥突變輔助診斷中的應(yīng)用.pdf
- 基于SVM的文本分類應(yīng)用研究.pdf
- 改進的SVM+算法在文本分類中的應(yīng)用研究.pdf
- 支持向量機在分類及人臉檢測應(yīng)用中的研究.pdf
- 基于回歸預測的SVM算法在中文微博情感分類中的應(yīng)用研究.pdf
- SVM多類分類及其在遙感圖像中的應(yīng)用.pdf
- 計算智能分類方法及其在入侵檢測中的應(yīng)用研究.pdf
評論
0/150
提交評論