人脸识别中基于均匀设计的SVM超参数调节方法

被引：3

作者：

李伟红

刘丽娟

龚卫国

辜小花

机构：

[1] 重庆大学光电技术及系统教育部重点实验室

来源：

光电子激光. | 2009年 / 20卷 / 10期

关键词：

支持向量机(SVM)超参数调节; 均匀设计(UD); 人脸识别; k-折交叉验证误差界; 留—法(LOO)误差界;

D O I：

10.16136/j.joel.2009.10.021

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

为了有效地解决超高维、多类别人脸识别中支持向量机(SVM,support vector machine)超参数调节计算复杂性问题,提出一种基于均匀设计(UD,uniform design)的SVM超参数调节的人脸识别方法。用UD代替传统的网格(grid)和梯度下降(gradient descent)方法挑选充分均衡分散在整个试验范围内且能得到满意实验结果的特征点,通过最小化k折交叉验证误差界或留一法(LOO,leave-one-out)误差界获取SVM最佳超参数。在UCI模拟数据集(Waveform)及人脸图像库(Yale,PIE)上进行了实验,结果表明,本文方法与传统的SVM超参数调节方法相比,能大大降低超参数调节的时间且能在一定程度上提高人脸分类识别率,使SVM超参数调节方法在解决高维人脸真实数据问题时具有一定的实用价值。

引用

页码：1342 / 1347

页数：6

共 7 条

[1]

Evolutionary tuning of SVM parameter values in multiclass problems[J] . Ana Carolina Lorena,André C.P.L.F. de Carvalho.Neurocomputing . 2008 (16)

[2] Model selection for support vector machines via uniform design [J].

Huang, Chien-Ming ;

Lee, Yuh-Jye ;

Lin, Dennis K. J. ;

Huang, Su-Yun .

COMPUTATIONAL STATISTICS & DATA ANALYSIS, 2007, 52 (01) :335-346

[3] Automatic model selection for the optimization of SVM kernels [J].

Ayat, NE ;

Cheriet, M ;

Suen, CY .

PATTERN RECOGNITION, 2005, 38 (10) :1733-1745

[4]

Hyperparameter design criteria for support vector classifiers[J] . Davide Anguita,Sandro Ridella,Fabio Rivieccio,Rodolfo Zunino.Neurocomputing . 2003 (1)

[5] A tutorial on Support Vector Machines for pattern recognition [J].

Burges, CJC .

DATA MINING AND KNOWLEDGE DISCOVERY, 1998, 2 (02) :121-167

[6] A generalized discrepancy and quadrature error bound [J].

Hickernell, FJ .

MATHEMATICS OF COMPUTATION, 1998, 67 (221) :299-322

[7]

Multiclass SVMModel Selection Using Particle SwarmOptimization .2 Bruno Feres de Souza,AndréCPL F.de Carvalho,Rodrigo Calvo,etal. Proceeding of the SixthInternational Conference on HybridIntel-ligent Systems . 2006

← 1 →