计算机工程
計算機工程
계산궤공정
COMPUTER ENGINEERING
2010年
14期
144-146
,共3页
张燕平%窦蓉蓉%赵姝%曹振田
張燕平%竇蓉蓉%趙姝%曹振田
장연평%두용용%조주%조진전
人脸识别%规范化线性鉴别分析%集成学习
人臉識彆%規範化線性鑒彆分析%集成學習
인검식별%규범화선성감별분석%집성학습
针对人脸识别问题中经常面临的"小样本"问题,在规范化的LDA算法的基础上加以改进,并结合集成学习的方法,利用Adaboost 算法,在每一次的迭代过程中引进一个加权函数对难以分离的样本增加权重.增加分类器之间的差异度,从而提高样本在新的特征空间中的可分离性,将识别率提高至98.5%.通过ORL数据库的大量实验表明,该算法比传统算法有更好的性能.
針對人臉識彆問題中經常麵臨的"小樣本"問題,在規範化的LDA算法的基礎上加以改進,併結閤集成學習的方法,利用Adaboost 算法,在每一次的迭代過程中引進一箇加權函數對難以分離的樣本增加權重.增加分類器之間的差異度,從而提高樣本在新的特徵空間中的可分離性,將識彆率提高至98.5%.通過ORL數據庫的大量實驗錶明,該算法比傳統算法有更好的性能.
침대인검식별문제중경상면림적"소양본"문제,재규범화적LDA산법적기출상가이개진,병결합집성학습적방법,이용Adaboost 산법,재매일차적질대과정중인진일개가권함수대난이분리적양본증가권중.증가분류기지간적차이도,종이제고양본재신적특정공간중적가분리성,장식별솔제고지98.5%.통과ORL수거고적대량실험표명,해산법비전통산법유경호적성능.
