@Book{655176217,
author="Blank, Ulrike",
title="Entwicklung von effizienten Klassifikatoren zur Gesichtserkennung",
year="2011",
abstract="F{\"u}r die Erkennung von Gesichtern in Bildern wurden Support-Vektor-Maschinen (SVM) bereits mehrfach erfolgreich eingesetzt. SVMn zeichnen sich vor allem durch die gute Generalsierung und Klassifizierung aus. Bei den herk{\"o}mmlichen Methoden sind die Rechenzeiten f{\"u}r die Klassifizierung sehr hoch. Diese Arbeit beschreibt die Entwicklung von effizienten Klassifikatoren zur Gesichtserkennung. Dazu wurden zwei Verfahren n{\"a}her betrachtet - die Wavelet - Support-Vektor-Maschine (W-SVM) und die reduzierte Support-Vektor-Maschine (RVM). Bei der W-SVM wird eine Beschleunigung durch die Reduktion der Rechenschritte erzielt. Die Laufzeit w{\"a}hrend der Klassifzierungsphase h{\"a}ngt von der Anzahl der Support-Vektoren ab. Bei der RVM wird eine N{\"a}herung an die SVM bestimmt, die mit viel weniger Vektoren f{\"u}r die Klassifizierung auskommt. Beide Verfahren wurden in MATLAB implementiert und erfolgreich auf einer kleinen vorgegebenen SVM angewandt. Die Berechnungszeit konnte gegen{\"u}ber der Original-SVM deutlich verk{\"u}rzt werden bei gleichbleibender Genauigkeit.",
note="Ulrike Blank",
note="HS, Fachbereich Landschaftsarchitektur, Geoinformatik, Geod{\"a}sie und Bauingenieurwesen, Masterthesis, 2011",
language="German"
}