眼動(dòng)數(shù)據(jù)指導(dǎo)下的特征選擇算法研究.pdf

1、特征選擇是目標(biāo)識(shí)別技術(shù)中的重要環(huán)節(jié)，它在圖像分類處理過程占據(jù)著舉足輕重的地位。通過高效的特征選擇算法，去除不相關(guān)或者冗余特征，可以提高分類的準(zhǔn)確性，加快算法的運(yùn)行效率?，F(xiàn)有的大多數(shù)特征選擇算法雖然已經(jīng)能夠取得良好的分類效果，但是對于圖像分類這一特殊問題而言，人類視覺認(rèn)知的機(jī)理常常被忽視而沒有考慮到特征選擇過程中。因此本文利用視線追蹤技術(shù)，探究人類視覺認(rèn)知的機(jī)理，并以此指導(dǎo)對圖像特征的選擇。本文的主要工作包括以下幾點(diǎn)：
　　本文首先

2、提出了一種眼動(dòng)數(shù)據(jù)指導(dǎo)下的基于量子遺傳算法的圖像特征粗選。該算法首先利用視線追蹤技術(shù)獲取眼動(dòng)數(shù)據(jù)并確定圖像中人眼所感興趣的區(qū)域，然后在感興趣的區(qū)域中提取圖像的75個(gè)底層特征，最后利用本文提出的一種改進(jìn)的量子遺傳算法(Quantum genetic algorithm，QGA）對底層特征進(jìn)行選擇選擇。在選擇過程中，所有底層特征將作為一個(gè)整體參與選擇，其評價(jià)標(biāo)準(zhǔn)則為支持向量機(jī)（Support machine vector，SVM）的分類準(zhǔn)確

3、率。實(shí)驗(yàn)證明：所提出的量子遺傳算法可以比傳統(tǒng)量子遺傳算法更好地提取出符合人眼識(shí)別機(jī)制的特征組合。其次，提出一種混合型的reliefF-SVM-RF E特征選擇算法，對粗選結(jié)果進(jìn)行進(jìn)一步的精選。該算法充分利用了Filter型的reliefF算法的計(jì)算效率和 Wrapper型的SVM-RFE算法的有效性，同時(shí)算法還對評價(jià)標(biāo)準(zhǔn)做出了改進(jìn)。和粗選階段不同，特征的精選針對特征向量的每一維特征進(jìn)行。實(shí)驗(yàn)證明，相比于傳統(tǒng)的特征選擇算法，混合型特征選擇