基于svm的lpq与dslbp特征融合表情识别
超级会员免费看
该博客介绍了使用支持向量机（svm）进行lpq和dslbp特征融合的表情识别系统。通过设置高斯核函数，训练支持向量并进行测试，得到了90.28%的训练准确率。此外，还涉及了图像采集和处理的步骤。
lpq和dslbp特征融合的表情识别系统，基于svm分类器
lambda = 1e-7;
kerneloption= 1.3; %设置核参数
kernel='gaussian'; %设置高斯核作为支持向量机的核函数
verbose = 0;
nbclass=7;
[xsup,w,b,nbsv]=svmmulticlassoneagainstall(P_train,train_label,nbclass,c,lambda,kernel,kerneloption,verbose); %使用支持向量机进行训练获得支持向量
[ypred1,maxi] = svmmultival(P_train,xsup,w,b,nbsv,kernel,kerneloption); %训练集测试
[ypred2,maxi] = svmmultival(P_test,xsup,w,b,nbsv,kernel,kerneloption); %测试集测试
CC1=ypred1-train_label;
n1=
订阅专栏 解锁全文
扫一扫
163
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
