基于集成學(xué)習(xí)的投影分析及其在人臉識別中的應(yīng)用.pdf

1、人臉識別技術(shù)是計算機(jī)模式識別領(lǐng)域非?；钴S的研究課題，在法律、商業(yè)、公安系統(tǒng)等領(lǐng)域有著廣泛的應(yīng)用前景。由于人臉圖像的特殊性與復(fù)雜性，人臉識別問題也是模式識別領(lǐng)域的一個相當(dāng)困難的問題，要使這一研究成為完全成熟的技術(shù)應(yīng)用到日常生活中，還有許多工作需要去做。抽取人臉圖像代數(shù)特征是人臉識別研究的熱點。集成學(xué)習(xí)能夠有效的提高學(xué)習(xí)系統(tǒng)的泛化能力，已經(jīng)受到了國際機(jī)器學(xué)習(xí)界的廣泛重視。本文就目前主流的幾種代數(shù)特征抽取方法和集成學(xué)習(xí)方法進(jìn)行了較為深入的分析

2、和研究，對特征抽取方法和集成學(xué)習(xí)的結(jié)合及其在人臉識別中的應(yīng)用作了有益的探索。 本文主要工作包括： 本文根據(jù)Fisher判決準(zhǔn)則的結(jié)構(gòu)，基于人工干涉的思想，提出一種增強(qiáng)型Fisher判決準(zhǔn)則。這種增強(qiáng)型Fisher判決準(zhǔn)則基于自定義的樣本間的相似性度量。在生成Fisher線性判別的類內(nèi)、類間離散度矩陣時附加上這種相似性度量信息，從而Fisher判決準(zhǔn)則在使類內(nèi)距離達(dá)最小、類間距離達(dá)到最大的同時，也使類內(nèi)相似度達(dá)到最大、類間

3、相似度達(dá)到最小，獲得比原始Fisher判別準(zhǔn)則更好的投影鑒別矢量。在ORL、Yale和AR_Gray人臉庫驗證了增強(qiáng)型Fisher判決準(zhǔn)則的有效性。 為了使集成中各分類器之間具有差異性，本文提出一種基于類別信息的分類器集成方法Cagging?；陬悇e信息重復(fù)選擇樣本生成基本分類器的訓(xùn)練集，使基本分類器之間具有差異性；利用基本分類器對不同模式類的分類能力為每個基本分類器設(shè)置一組權(quán)重，使用權(quán)重對各分類器輸出結(jié)果進(jìn)行加權(quán)決策，較好的利

4、用了各個基本分類器之間的差異性。在人臉圖像庫ORL上的實驗驗證了Cagging的有效性。 把集成技術(shù)與主成份分析(PCA)相結(jié)合，本文提出了集成主成份分析方法EPCA。該方法基于隨機(jī)子空間法獲得多個PCA投影變換，從而獲得多個初始分類器，根據(jù)它們在不同模式類上的分類性能，給出分類器的保留分值，各分類器總分值確定它的刪除優(yōu)先級別，由刪除優(yōu)先級別選擇一組分類器組成集成。在人臉圖像庫ORL上的實驗驗證了EPCA的有效性。 把集