基于选择性集成分类器的面部表情识别研究

• 作者: 李阳 贾澎涛
• 来源期刊: 计算机应用研究
• 关键词: 选择性集成学习 多分类器 面部表情识别
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 图形图像技术
• 页码范围: 3825-3827,3833
• 页数: 4页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2017.12.069

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贾澎涛	西安科技大学计算机科学与技术学院	28	164	6.0	12.0
2	李阳		1	8	1.0	1.0