1、近年來，有關(guān)新生兒疼痛的研究證實，反復的疼痛刺激會對新生兒產(chǎn)生一系列近期和遠期的不良影響；又由于新生兒不能自述疼痛的感受，由此產(chǎn)生了一些針對新生兒疼痛的評估工具，其中面部表情是被廣泛認同的一種最有效、可靠的評估指標，所以需要開發(fā)一種有效的新生兒疼痛面部表情自動識別評估系統(tǒng)，這是非常有意義的。 本文在研究了當前幾種常見的多分類支持向量機(SVMs)算法的基礎(chǔ)上，深入研究決策樹方法，提出了對二叉樹多分類SVM方法(BT-SVMs)的

2、改進，并利用多分類支持向量機的方法，對新生兒的疼痛表情進行多類識別。本文的主要工作包括：(1)研究了兩類支持向量機的基本理論，通過對三組數(shù)據(jù)集的實驗對其核函數(shù)及其參數(shù)的選擇過程進行了分析；(2)對當前常見的6種多分類SVM方法進行了系統(tǒng)的研究，從訓練和預測兩方面分析比較了這些多分類SVM方法的性能，實現(xiàn)了幾種常用的多分類SVM分類器，并通過相同的數(shù)據(jù)庫對其實驗結(jié)果進行了比較；(3)在深入研究基于決策樹算法的基礎(chǔ)上，針對二叉樹算法的誤差累

3、積效應問題，首先用聚類方法中的類間距離設(shè)計了二叉樹結(jié)構(gòu)，分析其缺點后，接著進一步提出了基于最優(yōu)分類面的類間分離度，用其對二叉樹多分類SVM方法的改進，同時通過實驗證明了改進后算法的合理性以及可行性；(4)根據(jù)二叉樹多分類SVM方法設(shè)計了新生兒面部表情識別多類分類器，并采用一對一SVMs、一對多SVMs、決策導向無環(huán)圖SVMs(DDAG-SVMs)、BT-SVMs與改進后的BT-SVMs方法分別對新生兒的4類表情(安靜、哭、輕度疼痛和劇烈