摘要：为了提高面部表情的分类识别性能,基于集成学习理论,提出了一种二次优化选择性（quadraticoptimizationchoice,QOC）集成分类模型。首先,对于九个基分类器,依据性能进行排序,选择前30%的基分类器作为集成模型的候选基分类器;其次,依据组合规则产生集成模型簇;最后,对集成模型簇进行二次优化选择,选择具有最小泛化误差的集成分类器的子集,从而确定最优集成分类模型。为了验证QOC集成分类模型的性能,选择采用最大值、最小值和均值规则的集成模型作为对比模型。实验结果表明,相对基分类器,QOC集成分类模型取得了较好的分类效果,尤其是对于识别率较差的悲伤表情类,平均识别率提升了21.11%;相对于非选择性集成模型,QOC集成分类模型识别性能也有显著提高。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社