多分类器结合的人脸识别

用贝叶斯理论分析了常见的和、积、中值及投票多分类器结合方法 ,指出它们各自的缺陷 ,类比真实的选举情形 ,对原投票法进行了改进 :赋予不同分类器不同的“说话份量 ,被重视程度”,即不同权值 ,增加“第二候选人”备选 ,并考虑“第一与第二候选人”的可信度差给予“附加选票”.采用Olivetti和 Oracle研究室的人脸图像库 ,结合本征脸法、协同算法和自联想神经网络法分类器 ,对比了新方法和常见结合方法 .实际结果表明 ,改进的方法有较好的识别率 .