| 333 | 9 | 206 |
| 下载次数 | 被引频次 | 阅读次数 |
在主成分分析方法(PCA)的基础上,采用3种神经网络(BP、RBF、LVQ)分类器进行人脸识别实验研究.实验中引入多数投票法(MVS),构建了多分类器组合决策体系,对分类结果进行决策融合.最后,将使用此决策体系的人脸识别结果与使用单一分类器的人脸识别结果进行对比分析.分析结果显示,采用MVS规则的人脸识别系统,能有效提高人脸识别系统的准确率和稳定性,且方法简单可行.
Abstract：Based on Principal Component Analysis Method,three neural network(BP、RBF、LVQ)classifiers are adopted in the recognition of human faces.A multi-classifier combination decision system is built with Majority Voting Scheme,through which a combination decision on the classified results can be made.In the end,the face recognition result by using this method is analyzed by comparison with that by using single classifier.The analysis shows that this method can effectively improve the recognition accuracy and stability and that the method is convenient and workable.
[1]刘永信,李琳莉,巴雅日图.人脸识别方法综述[J].内蒙古大学学报:自然科学版,2009,40(4):493-497.
[2]Dragoni A F,Baldassarri P,Vallesi G,et al.Multiple neuralnetworks system for dynamic environments[C]//IntelligentSystems Design and Applications the Ninth InternationalConference,Pisa.NewYork:IEEE,2009:164-168.
[3]朱娜,李一民,聂尧.人脸识别方法的综述[J].山西电子技术,2008(5):84-85.
[4]庞珊珊,熊建设.人脸识别技术和算法综述[J].中国新技术新产品,2009(11):14-15.
[5]张永,薛芝茂.RBF神经网络在人脸识别中的应用[J].电脑编程技巧与维护,2009(14):96-97.
[6]谢永林.PCA算法及其在人脸识别中的应用[J].计算机与现代化,2009(6):88-90.
[7]余立新,陈光喜.基于PCA与合并聚类的RBFNN人脸识别[J].桂林电子科技大学学报,2009,29(2):88-91.
[8]嵇新浩,丁荣涛.基于多特征融合和BoostingRBF神经网络的人脸识别[J].计算机科学,2008,35(6):196-198.
[9]王黎.基于融合决策的多分类器系统研究[D].西安:西安理工大学自动化与信息工程学院,2008.
[10]祝媛,常江龙.基于多分类器融合算法的3D人脸年龄识别[J].计算机仿真,2009,26(5):248-250.
[11]王耀明.基于奇异值特征向量的支持向量机人脸识别技术[J].上海电机学院学报,2007,10(2):119-122.
基本信息:
中图分类号:TP391.41
引用信息:
[1]周健,刘治,刘杰.基于神经网络多分类器融合系统的人脸识别方法[J].南通大学学报(自然科学版),2011,10(01):1-4.
基金信息:
国家自然科学基金项目(U0735003,60974047);; 广东省自然科学基金项目(8351009001000002,9151009001000011);; 广东省科技计划项目(2009B010900051);; 教育部霍英东青年教师基金(121061)
2011-03-20
2011-03-20