论文部分内容阅读
让计算机拥有与人相同的智能是人类的一个梦想。除了逻辑思维，情感也是人类智能的一个部分，因而让计算机理解人类的情感是实现梦想的第一步。表情是人与人传递情感的主要方式，表情识别便是理解情感的基础。表情识别对多学科的交叉研究有着积极的促进作用，也在人机交互等领域有着广泛的应用前景。
论文对基于支持向量机的表情识别进行了研究，总结了表情识别研究的发展趋势，深入分析了主动外观模型等特征提取方法，引入混合蛙跳算法改进了支持向量机的训练算法，并通过研究支持向量机的模型、核函数和多分类算法，最终实现表情识别。
论文的主要工作和创新点如下：
(1)深入研究了由点分布模型发展起来的主动形状模型(ASM)和主动外观模型(AAM)的建模和搜索理论，并应用改进的AAM搜索算法实现了表情数据库中人脸的搜索匹配，提取出表征人脸表情的特征参数，并应用PCA方法实现原始特征降维，取得用于表情分类的特征参数。
(2)系统研究了统计学习理论及由此提出的支持向量机分类算法，分析了支持向量机的几种多分类算法，并通过实验分析，提出了DDAG算法在表情识别中的具体实现方式。
(3)研究了现有的支持向量机训练算法，提出将混合蛙跳算法引入支持向量机的训练。并针对混合蛙跳算的缺陷，提出改进，最后将改进的混合蛙跳算法应用于支持向量机的训练，取得了良好的效果。
(4)设计并实现了基于支持向量机的表情识别系统。首先通过网格搜索和交叉验证方法优化支持向量机模型和核函数的参数，实现各种表情二分类，然后用不同方法实现了表情多分类，取得了良好效果。