眼动数据指导下的特征选择算法分析.pdfVIP

II 眼动数据指导下的特征选择算法研究 中文摘要 眼动数据指导下的特征选择算法研究 中文摘要 特征选择是目标识别技术中的重要环节，它在图像分类处理过程占据着举足轻重 的地位。通过高效的特征选择算法，去除不相关或者冗余特征，可以提高分类的准确 性，加快算法的运行效率。现有的大多数特征选择算法虽然已经能够取得良好的分类 效果，但是对于图像分类这一特殊问题而言，人类视觉认知的机理常常被忽视而没有 考虑到特征选择过程中。因此本文利用视线追踪技术，探究人类视觉认知的机理，并 以此指导对图像特征的选择。本文的主要工作包括以下几点： 首先，提出了一种眼动数据指导下的基于量子遗传算法的图像特征粗选。该算法 首先利用视线追踪技术获取眼动数据并确定图像中人眼所感兴趣的区域，然后在感兴 趣的区域中提取图像的75 个底层特征，最后利用本文提出的一种改进的量子遗传算 法(Quantum genetic algorithm，QGA）对底层特征进行选择选择。在选择过程中，所 有底层特征将作为一个整体参与选择，其评价标准则为支持向量机（Support machine vector ，SVM）的分类准确率。实验证明：本文所提出的量子遗传算法可以比传统量 子遗传算法更好地提取出符合人眼识别机制的特征组合。 其次，提出一种混合型的reliefF-SVM-RFE 特征选择算法，对粗选结果进行进一 步的精选。该算法充分利用了 Filter 型的 reliefF 算法的计算效率和 Wrapper 型的 SVM-RFE 算法的有效性，同时算法还对评价标准做出了改进。和粗选阶段不同，特 征的精选针对特征向量的每一维特征进行。实验证明，相比于传统的特征选择算法， 混合型特征选择算法具有更高的运行效率，同时其选取出来的特征子集可以获得更高 的分类准确率。实验证明，眼动数据的引入，也使得分类准确率得到了显著提高。 关键字：特征选择，眼动数据，量子遗传算法，图像分类，支持向量机 作 者：周烜 指导教师：王加俊 I Abstract Feature Selection Algorithm Guided by Eye Tracking Data Feature Selection Algorithm Guided by Eye Tracking Data Abstract Feature selection is an important part of the target recognition technology and plays important roles in image classification. Upon effective feature selection procedure which illuminates irrelevancy and redundancy of features, both the accuracy and the efficiency of image classification tasks can be significantly improved. Although most existing feature selection algorithms perform rather well, the cognition mechanisms of human vision is usually neglected in the feature select