基于集成學(xué)習(xí)的人臉識別方法研究.pdf

1、隨著計(jì)算機(jī)技術(shù)和互聯(lián)技術(shù)的飛速發(fā)展，人臉識別已經(jīng)成為模式識別和圖像處理的熱門研究主題之一。由于識別算法以及外界條件的影響，高效的人臉識別率成為了相關(guān)研究的核心問題。自20 世紀(jì)90年代后，集成學(xué)習(xí)（Ensemble Learning）逐漸成為機(jī)器學(xué)習(xí)新的研究方向，集成學(xué)習(xí)是一種可以有效地提高機(jī)器學(xué)習(xí)泛化能力的多學(xué)習(xí)器學(xué)習(xí)方法。在應(yīng)用方面，集成學(xué)習(xí)在許多領(lǐng)域顯示了強(qiáng)大的力量，在國內(nèi)外都取得了一定的成效。集成學(xué)習(xí)在人臉識別上的應(yīng)用逐漸擴(kuò)展，

2、并且系統(tǒng)的識別性能得到了明顯的提高。
　　 因此，很多人開始將集成學(xué)習(xí)和人臉識別聯(lián)系起來。
　　 本文研究了基于集成學(xué)習(xí)的人臉識別方法。由于單個分類器的識別率較低，為了提高分類器性能，利用集成學(xué)習(xí)理念對分類器進(jìn)行融合。在此，研究了幾種不同的分類器集成方法。首先，對n 元組分類器在二值圖像的應(yīng)用上進(jìn)行研究，實(shí)驗(yàn)中對不同大小的n 元組分類器進(jìn)行集成，并將該方法與其他人臉識別方法的識別結(jié)果進(jìn)行對比，實(shí)驗(yàn)驗(yàn)證了這種集成方法的分類

3、性能。在n 元組分類器的基礎(chǔ)上，應(yīng)用位平面分解的思想進(jìn)一步研究了基于移動窗口分類器集成的人臉識別方法，分析該方法并應(yīng)用不同的融合方法對分類器進(jìn)行融合。實(shí)驗(yàn)驗(yàn)證了移動窗口分類器的集成性能，并與其他人臉識別方法的性能進(jìn)行對比，結(jié)果表明使用加和規(guī)則融合分類器的性能較高。最后，根據(jù)隨機(jī)子空間的思想，本文研究了半隨機(jī)取樣的子空間集成（ESRS）及其人臉識別方法，分析研究了不同人臉數(shù)據(jù)庫的特性，并在這些數(shù)據(jù)庫上進(jìn)行實(shí)驗(yàn)。依據(jù)實(shí)驗(yàn)結(jié)果可以得出該算法的