基于融合的多类支持向量机  

Multi-class Support Vector Machine Based on Fusion

作　　者：应自炉[1,2] 李景文[1] 张有为[1,2] 

机构地区：[1]北京航空航天大学电子信息工程学院,北京100083 [2]五邑大学信息学院,江门529020

出　　处：《计算机工程》2009年第19期187-188,191,共3页Computer Engineering

基　　金：广东省自然科学基金资助项目"多生物特征融合与识别模型的算法研究"(07010869);北京大学视觉与听觉信息处理国家重点实验室开放课题基金资助项目"生物特征融合与识别的应用研究"(0505);浙江大学CAD&CG国家重点实验室开放课题基金资助项目(A0703)

摘　　要：支持向量机可以处理2类问题,通过"一对一"和"一对多"方式能将2类支持向量机扩展为多类支持向量机。提出一种基于两类支持向量机融合的多类支持向量机构成方法。对分类器融合采用极大值法、极小值法、乘积法、均值法、中值法、投票法和各种决策模板融合方法。在日本女性表情数据库JAFFE上应用该方法进行人脸表情识别,结果证明了其有效性。Support Vector Machine（SVM） can deal with binary class problem. By using ＂one against one＂ and ＂one against all＂ approach, binary class SVM can be expanded to multi-class SVM. A construction method for multi-class SVM based on binary class SVMs fusing is proposed. The classifier fusion approaches include Maximum, Minimum, Product, Mean, Median, Major Voting fusion methods and decision template fusion methods. This method is applied to the facial expression recognition for Japanese female expression database JAFFE and proved to be effective.

关 键 词：多类支持向量机 分类器融合 决策模板 人脸表情识别 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]