【摘要】：為了提高面部表情的分類識別性能,基于集成學習理論,提出了一種二次優(yōu)化選擇性(quadratic optimization choice,QOC)集成分類模型。首先,對于九個基分類器,依據(jù)性能進行排序,選擇前30%的基分類器作為集成模型的候選基分類器;其次,依據(jù)組合規(guī)則產(chǎn)生集成模型簇;最后,對集成模型簇進行二次優(yōu)化選擇,選擇具有最小泛化誤差的集成分類器的子集,從而確定最優(yōu)集成分類模型。為了驗證QOC集成分類模型的性能,選擇采用最大值、最小值和均值規(guī)則的集成模型作為對比模型。實驗結(jié)果表明,相對基分類器,QOC集成分類模型取得了較好的分類效果,尤其是對于識別率較差的悲傷表情類,平均識別率提升了21.11%;相對于非選擇性集成模型,QOC集成分類模型識別性能也有顯著提高。
【圖文】：

~&u，v=kv(cosφu，sinφu)T為濾波器的中心頻率;kv=2－v+22π，φu=uπK表示濾波器的方向性;K為總方向數(shù);u、v分別為方向和尺度;z(x，y)為方向矢量。得到不同方向、不同尺度下的濾波器后，則2D-Gabor變換后圖像I(z)的特征集合為T=Gu，v(z)=∫7u=0∫4v=0I(z)*ψu，v(z)(1)其中:*表示卷積操作，Gu，v(z)表示在方向u尺度v上的卷積結(jié)果，即為圖像的特征。例如:圖1顯示了8個方向、5個尺度、共40個不同的濾波器對圖像進行特征提取的結(jié)果。圖140個濾波器濾波的圖像特征提取2二次優(yōu)化選擇集成分類模型2．1集成分類模型假定有M個待集成的基分類器Ci(i=1，2，…，M)，每個基分類器的預測類標簽結(jié)果為Ci(n)，n為數(shù)據(jù)集中的樣本數(shù)。記集成分類器模型為)C(n)，則有)C(n)=f(C1(n)，C2(n)，…，CM(n)，，α1，α2，…，αM)(2)其中:αi是Ci(n)的權(quán)重，且滿足∑Mi=1αi=1，f為集成規(guī)則。2．2基分類器為了確定QOC集成模型中的基分類器，選擇九個常用的分類器作為二次優(yōu)化選擇集成分類模型的候選基分類器:隨機森林(randomforest，ＲF)、K近鄰(K-nearestneighbor，KNN)、樸素貝葉斯分類器(naiveBayes，NB)、支持向量機(supportverctormachine，SVM)、線性判別分析(lineardiscriminantanalysis，LDA)、偽線性判別分析(pseudolineardiscriminantanalysis，PDA)、判定線性判別分析(diagLineardiscriminantanalysis，DDA)、Fisher判別分析(Fisherdiscriminantanalysis，F(xiàn)DA)和決策樹(decisiontree，DT)分類器。2．3QOC的選擇策略采用何種選擇策略確定集成分類器C^i(i=1，2，…，M)是選擇性?
【作者單位】： 西安科技大學計算機科學與技術(shù)學院;西安恩坦儀器股份有限公司;
【基金】：西安市科學計劃資助項目(2017079CG/RC042(XAKD001))
【分類號】：TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 郭紅玲;程顯毅;;多分類器選擇集成方法[J];計算機工程與應用;2009年13期

2 呂岳,施鵬飛,趙宇明;多分類器組合的投票表決規(guī)則[J];上海交通大學學報;2000年05期

3 韓宏;楊靜宇;;多分類器組合及其應用[J];計算機科學;2000年01期

4 陳剛,戚飛虎;多分類器結(jié)合的人臉識別[J];上海交通大學學報;2001年02期

5 韓宏,楊靜宇,婁震;基于層次的分類器組合[J];南京理工大學學報(自然科學版);2002年01期

6 王正群,葉暉,孫興華,楊靜宇;模糊多分類器組合[J];小型微型計算機系統(tǒng);2003年01期

7 楊利英,覃征,王向華;多分類器融合實現(xiàn)機型識別[J];計算機工程與應用;2004年15期

8 楊利英,覃征,王衛(wèi)紅;多分類器融合系統(tǒng)設計與應用[J];計算機工程;2005年05期

9 王永;張鴻;;鑒別球類圖像的多分類器系統(tǒng)[J];福建電腦;2007年04期

10 葉云龍;楊明;;基于隨機子空間的多分類器集成[J];南京師范大學學報(工程技術(shù)版);2008年04期

相關(guān)會議論文 前10條

1 王占一;徐蔚然;劉東鑫;郭軍;;一種基于兩級分類器的垃圾短信過濾方法[A];第五屆全國信息檢索學術(shù)會議論文集[C];2009年

2 翟靜;李海宏;唐常杰;陳敏敏;李智;;可驗證對象集分類器的再訓練演進[A];第十九屆全國數(shù)據(jù)庫學術(shù)會議論文集（研究報告篇）[C];2002年

3 陳繼航;劉家鋒;趙巍;唐降龍;;聯(lián)機手寫識別筆段特征分類器的學習方法[A];黑龍江省計算機學會2009年學術(shù)交流年會論文集[C];2010年

4 穆明生;;基于特征集的多種分類器模型的在線筆跡認證[A];第十屆全國信號處理學術(shù)年會（CCSP-2001）論文集[C];2001年

5 彭濤;左萬利;赫楓齡;;基于鏈接上下文的分類器主題爬行技術(shù)(英文)[A];第二十三屆中國數(shù)據(jù)庫學術(shù)會議論文集（技術(shù)報告篇）[C];2006年

6 王嵐;陳珂;遲惠生;;基于多特征組合多分類器的方法用于“與文本無關(guān)”的說話人辨認[A];第四屆全國人機語音通訊學術(shù)會議論文集[C];1996年

7 胡瓊;汪榮貴;胡韋偉;孫見青;;基于級聯(lián)分類器的快速人臉檢測方法[A];計算機技術(shù)與應用進展·2007——全國第18屆計算機技術(shù)與應用（CACIS）學術(shù)會議論文集[C];2007年

8 宋巍;張宇;謝毓彬;高漢東;劉挺;李生;;利用URL類別改進查詢主題分類[A];第六屆全國信息檢索學術(shù)會議論文集[C];2010年

9 李方濤;張顯;孫建樹;朱小燕;;一種新的層次化結(jié)構(gòu)問題分類器[A];第三屆全國信息檢索與內(nèi)容安全學術(shù)會議論文集[C];2007年

10 雷蕾;吳乃君;劉鵬;劉蘭娟;;靈敏度分析:分類器中的缺失數(shù)據(jù)[A];第11屆海峽兩岸信息管理發(fā)展策略研討會論文集[C];2005年

相關(guān)博士學位論文 前10條

1 許勁松;智能交通中目標檢測與分類關(guān)鍵技術(shù)研究[D];南京理工大學;2014年

2 趙作林;基于圖像分析的北京地區(qū)楊樹種類識別研究[D];北京林業(yè)大學;2015年

3 任亞峰;基于標注和未標注數(shù)椐的虛假評論識別研究[D];武漢大學;2015年

4 曹鵬;不均衡數(shù)據(jù)分類方法的研究[D];東北大學;2014年

5 劉明;分類器組合技術(shù)研究及其在人機交互系統(tǒng)中的應用[D];北京交通大學;2008年

6 王U

本文編號：2524322