基于集成學習的人臉識別方法研究.pdf

1、隨著計算機技術和互聯(lián)技術的飛速發(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研究的核心問題。自20 世紀90年代后，集成學習（Ensemble Learning）逐漸成為機器學習新的研究方向，集成學習是一種可以有效地提高機器學習泛化能力的多學習器學習方法。在應用方面，集成學習在許多領域顯示了強大的力量，在國內外都取得了一定的成效。集成學習在人臉識別上的應用逐漸擴展，

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習和人臉識別聯(lián)系起來。
　　 本文研究了基于集成學習的人臉識別方法。由于單個分類器的識別率較低，為了提高分類器性能，利用集成學習理念對分類器進行融合。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用上進行研究，實驗中對不同大小的n 元組分類器進行集成，并將該方法與其他人臉識別方法的識別結果進行對比，實驗驗證了這種集成方法的分類

3、性能。在n 元組分類器的基礎上，應用位平面分解的思想進一步研究了基于移動窗口分類器集成的人臉識別方法，分析該方法并應用不同的融合方法對分類器進行融合。實驗驗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行對比，結果表明使用加和規(guī)則融合分類器的性能較高。最后，根據(jù)隨機子空間的思想，本文研究了半隨機取樣的子空間集成（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)庫上進行實驗。依據(jù)實驗結果可以得出該算法的