基于SKLLE和SVM 的人脸表情识别

晏勇

西南师范大学学报(自然科学版)

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
	姓名不能为空！
邮箱
	邮箱不能为空！非法的邮箱地址。
手机号码
	电话不能为空！请输入有效手机号!
标题
	标题不能为空！
留言内容
	内容不能为空！
验证码
	验证码不能为空！验证码错误！

基于SKLLE和SVM 的人脸表情识别

晏勇. 基于SKLLE和SVM 的人脸表情识别[J]. 西南师范大学学报(自然科学版), 2014, 39(1): 055-060.

引用本文:

晏勇. 基于SKLLE和SVM 的人脸表情识别[J]. 西南师范大学学报(自然科学版), 2014, 39(1): 055-060.

Citation:

基于SKLLE和SVM 的人脸表情识别

晏勇

阿坝师范高等专科学校电子信息工程系,四川阿坝623002

摘要: 为有效提取人脸表情图像特征并降低特征向量维数,该文提出一种基于监督核局部线性嵌入(SupervisedKernelLocallyLinearEmbedding,SKLLE)和支持向量机(SupportVectorMachine,SVM)相结合的降维和分类方法.利用人脸表情图像数据本身的非线性流形结构信息和标签信息实现维数约简,提取低维嵌入特征用于人脸表情识别,采用支持向量机代替传统的K近邻分类器.基于JAFFE人脸表情图像库和Cohn-Kanade人脸表情数据库的实验结果表明,该方法可以很好地实现维数约简,达到较高的识别率,有效地提高了人脸表情识别的性能.
- 人脸表情识别 /
- 流形学习 /
- 局部线性嵌入 /
- 监督核局部线性嵌入 /
- 支持向量机

计量

文章访问数: 670
HTML全文浏览数: 356
PDF下载数: 1
施引文献: 0

基于SKLLE和SVM 的人脸表情识别

晏勇

阿坝师范高等专科学校电子信息工程系,四川阿坝623002

关键词:

摘要: 为有效提取人脸表情图像特征并降低特征向量维数,该文提出一种基于监督核局部线性嵌入(SupervisedKernelLocallyLinearEmbedding,SKLLE)和支持向量机(SupportVectorMachine,SVM)相结合的降维和分类方法.利用人脸表情图像数据本身的非线性流形结构信息和标签信息实现维数约简,提取低维嵌入特征用于人脸表情识别,采用支持向量机代替传统的K近邻分类器.基于JAFFE人脸表情图像库和Cohn-Kanade人脸表情数据库的实验结果表明,该方法可以很好地实现维数约简,达到较高的识别率,有效地提高了人脸表情识别的性能.