-
题名基于选择性集成分类器的面部表情识别研究
被引量：5
- 1
-
-
作者
贾澎涛
李阳
-
机构
西安科技大学计算机科学与技术学院
西安恩坦仪器股份有限公司
-
出处
《计算机应用研究》
CSCD
北大核心
2017年第12期3825-3827,3833,共4页
-
基金
西安市科学计划资助项目(2017079CG/RC042(XAKD001))
-
文摘
为了提高面部表情的分类识别性能,基于集成学习理论,提出了一种二次优化选择性(quadratic optimization choice,QOC)集成分类模型。首先,对于九个基分类器,依据性能进行排序,选择前30%的基分类器作为集成模型的候选基分类器;其次,依据组合规则产生集成模型簇;最后,对集成模型簇进行二次优化选择,选择具有最小泛化误差的集成分类器的子集,从而确定最优集成分类模型。为了验证QOC集成分类模型的性能,选择采用最大值、最小值和均值规则的集成模型作为对比模型。实验结果表明,相对基分类器,QOC集成分类模型取得了较好的分类效果,尤其是对于识别率较差的悲伤表情类,平均识别率提升了21.11%;相对于非选择性集成模型,QOC集成分类模型识别性能也有显著提高。
-
关键词
选择性集成学习
多分类器
面部表情识别
-
Keywords
selective ensemble learning
multiple classifiers
facial expression recognition
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
