基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
用贝叶斯理论分析了常见的和、积、中值及投票多分类器结合方法,指出它们各自的缺陷,类比真实的选举情形,对原投票法进行了改进:赋予不同分类器不同的"说话份量,被重视程度",即不同权值,增加"第二候选人"备选,并考虑"第-与第二候选人"的可信度差给予"附加选票".采用Olivetti和Oracle研究室的人脸图像库,结合本征脸法、协同算法和自联想神经网络法分类器,对比了新方法和常见结合方法.实际结果表明,改进的方法有较好的识别率.
推荐文章
基于稀疏表征多分类器融合的遮挡人脸识别
人脸识别
稀疏表征
多分辨率分块
多分类器融合
过完备字典
基于多分类投影极速学习机的快速人脸识别方法
极速学习机
人脸识别
Gabor小波
支持向量机
基于小波和最近邻凸包分类器的人脸识别
小波变换
凸包
最近邻凸包分类
图像识别
人脸识别
基于多元混合高斯分布的多分类人脸识别方法
重尾噪声
多元混合高斯分布
参数估计
核函数
贝叶斯理论
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 多分类器结合的人脸识别
来源期刊 上海交通大学学报 学科 工学
关键词 人脸识别 本征脸法 协同算法 自联想神经网络法
年,卷(期) 2001,(2) 所属期刊栏目
研究方向 页码范围 173-176
页数 4页 分类号 TP391.41
字数 2991字 语种 中文
DOI 10.3321/j.issn:1006-2467.2001.02.003
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 戚飞虎 上海交通大学计算机科学与工程系 139 3029 29.0 47.0
2 陈刚 上海交通大学计算机科学与工程系 102 1218 20.0 31.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (8)
节点文献
引证文献  (35)
同被引文献  (18)
二级引证文献  (125)
1994(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(3)
  • 参考文献(3)
  • 二级参考文献(0)
1998(3)
  • 参考文献(3)
  • 二级参考文献(0)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2002(4)
  • 引证文献(4)
  • 二级引证文献(0)
2003(3)
  • 引证文献(3)
  • 二级引证文献(0)
2004(10)
  • 引证文献(5)
  • 二级引证文献(5)
2005(16)
  • 引证文献(8)
  • 二级引证文献(8)
2006(19)
  • 引证文献(3)
  • 二级引证文献(16)
2007(13)
  • 引证文献(3)
  • 二级引证文献(10)
2008(14)
  • 引证文献(4)
  • 二级引证文献(10)
2009(16)
  • 引证文献(2)
  • 二级引证文献(14)
2010(18)
  • 引证文献(3)
  • 二级引证文献(15)
2011(7)
  • 引证文献(0)
  • 二级引证文献(7)
2012(2)
  • 引证文献(0)
  • 二级引证文献(2)
2013(10)
  • 引证文献(0)
  • 二级引证文献(10)
2014(6)
  • 引证文献(0)
  • 二级引证文献(6)
2015(3)
  • 引证文献(0)
  • 二级引证文献(3)
2016(6)
  • 引证文献(0)
  • 二级引证文献(6)
2017(1)
  • 引证文献(0)
  • 二级引证文献(1)
2018(6)
  • 引证文献(0)
  • 二级引证文献(6)
2019(3)
  • 引证文献(0)
  • 二级引证文献(3)
2020(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
人脸识别
本征脸法
协同算法
自联想神经网络法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
上海交通大学学报
月刊
1006-2467
31-1466/U
大16开
上海市华山路1954号
4-338
1956
chi
出版文献量(篇)
8303
总下载数(次)
20
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导