基于流形學(xué)習(xí)算法的新生兒疼痛表情識(shí)別.pdf

1、傳統(tǒng)的新生兒疼痛表情評(píng)估都是由專(zhuān)業(yè)的醫(yī)護(hù)人員進(jìn)行人工評(píng)估，這種方法有很多局限性，如：需花費(fèi)大量時(shí)間和精力培訓(xùn)醫(yī)護(hù)人員、評(píng)估結(jié)果受評(píng)估者主觀因素的影響、有時(shí)不能在現(xiàn)場(chǎng)進(jìn)行及時(shí)地評(píng)估等。隨著人臉識(shí)別和表情識(shí)別技術(shù)的發(fā)展，使得采用計(jì)算機(jī)進(jìn)行新生兒疼痛表情識(shí)別成為一種可能。因此，開(kāi)發(fā)一種自動(dòng)的、高效的新生兒疼痛表情識(shí)別系統(tǒng)具有現(xiàn)實(shí)意義。
　　 新生兒疼痛表情識(shí)別的關(guān)鍵技術(shù)是表情特征提取，它直接影響著識(shí)別率的高低。尋找一種有效的、魯棒的特

2、征提取算法用于新生兒疼痛表情識(shí)別是本論文研究的主要內(nèi)容。研究表明，人臉圖像分布在一個(gè)非線(xiàn)性的流形空間中，而流形學(xué)習(xí)是近幾年出現(xiàn)的一種新的機(jī)器學(xué)習(xí)理論，它能有效地學(xué)習(xí)出數(shù)據(jù)內(nèi)部的非線(xiàn)性流形結(jié)構(gòu)。本論文對(duì)流形學(xué)習(xí)算法在新生兒疼痛表情識(shí)別中的應(yīng)用進(jìn)行了深入研究，提出了兩種基于流形學(xué)習(xí)算法的特征提取算法，主要工作和創(chuàng)新點(diǎn)如下：
　　 1)對(duì)表情識(shí)別和新生兒疼痛表情識(shí)別的研究現(xiàn)狀進(jìn)行了簡(jiǎn)單地概述。比較詳細(xì)地介紹了幾種經(jīng)典的流形學(xué)習(xí)算法的原

3、理，為本論文的研究提供理論支持。
　　 2)根據(jù)研究需要，初步建立了具有東方嬰兒面部特征的新生兒面部表情數(shù)據(jù)庫(kù)。
　　 3)針對(duì)線(xiàn)性流形學(xué)習(xí)算法得到的投影向量通常是非正交的問(wèn)題，提出了正交的等距映射(Orthogonal Isomatric Projection, O-IsoProjection)算法。該算法能夠以最佳的方式逼近嵌入在流形中的測(cè)地距離，并對(duì)降維后的子空間維數(shù)不是很敏感，能夠正確地估計(jì)出樣本的內(nèi)蘊(yùn)維數(shù)。

4、r>　　 4)在模式識(shí)別理論中，特征提取的原則是提取的特征之間相關(guān)性越小越好，最好是統(tǒng)計(jì)不相關(guān)的，而線(xiàn)性流形學(xué)習(xí)算法所得到的特征通常是統(tǒng)計(jì)相關(guān)的。為了去除特征的相關(guān)性，提出了統(tǒng)計(jì)不相關(guān)局部敏感鑒別分析算法(Uncorrelated Locality SensitiveDiscriminant Analysis, U-LSDA)。在統(tǒng)計(jì)不相關(guān)的約束下，該算法提取出的表情特征是不相關(guān)的，使得特征的鑒別能力增強(qiáng)。
　　 5)將目前比