10.3969/j.issn.1003-3254.2015.10.031
基于一对一极限学习机的人脸表情识别方法
为了克服极限学习机(ELM)稳定性差、识别率不高的缺陷,利用支持向量机(SVM)一对一投票式分类算法准确度高的优势,提出一种改进的表情识别方法.该方法将一对一分类算法和ELM算法相结合形成一个新的算法即OAO-ELM(One-Against-One-Extreme Learning Machine),首先,对样本采用一对一的分类并利用ELM训练成一个弱分类器,然后,将这些弱分类器组合成一个最终的强分类器.预测结果,采用投票方式.用Gabor滤波提取表情特征,由于提取后特征维度很高,冗余大,引入主成分分析(PCA)来降维.基于JAFFE数据库实验结果表明,该算法在人脸表情识别上具有较高分类识别率和稳定性.
极限学习机、支持向量机、一对一、Gabor滤波、主成分分析
24
TP1;TP3
2016-08-19(万方平台首次上网日期,不代表论文的发表时间)
共5页
186-190