[發(fā)明專利]一種基于分類器選擇性集成的表情識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010942487.0
• 申請(qǐng)日: 2020-09-09
• 公開（公告）號(hào): CN112115829B
• 公開（公告）日: 2023-02-28
• 發(fā)明（設(shè)計(jì)）人: 李丹楊;唐玉梅;陳靖宇;鄒曉瑜;周西川;史鵬程
• 申請(qǐng)（專利權(quán)）人: 貴州大學(xué)
• 主分類號(hào): G06V40/16
• 分類號(hào): G06V40/16;G06V10/776;G06V10/82;G06N3/0464
• 代理公司: 貴州派騰知識(shí)產(chǎn)權(quán)代理有限公司 52114
• 代理人: 宋妍麗

1.一種基于分類器選擇性集成的表情識(shí)別方法，其特征在于：包括如下步驟：

①生成分類器池：以多種機(jī)器學(xué)習(xí)算法作為分類器，通過改變各個(gè)分類器的參數(shù)，生成多個(gè)同、異質(zhì)基分類器，并構(gòu)成分類器池；

②個(gè)體學(xué)習(xí)器能力及多樣性評(píng)估：將表情圖片數(shù)據(jù)按比例劃分為訓(xùn)練集和測(cè)試集兩部分，并隨機(jī)抽取數(shù)據(jù)庫中的部分表情圖片加以處理作為驗(yàn)證集，輸入驗(yàn)證樣本集，并計(jì)算各個(gè)體學(xué)習(xí)器的準(zhǔn)確率以及不同個(gè)體學(xué)習(xí)器之間的kappa系數(shù)值；

③分類器序列選擇：基于驗(yàn)證集的預(yù)測(cè)結(jié)果，首先將個(gè)體學(xué)習(xí)器按準(zhǔn)確率降序排序，選擇排序第一的個(gè)體學(xué)習(xí)器進(jìn)入選擇序列中，然后尋找分類器池中準(zhǔn)確率不低于閾值且與選擇序列中的個(gè)體學(xué)習(xí)器差異性最大，即kappa系數(shù)最小的個(gè)體學(xué)習(xí)器進(jìn)入選擇序列中；

④決策層融合：根據(jù)選擇出的分類器序列，使用大多數(shù)投票法獲取對(duì)測(cè)試集表情圖片的最終決策結(jié)果；

所述步驟③包括以下步驟：

(3.1)令分類器序列根據(jù)驗(yàn)證集預(yù)測(cè)準(zhǔn)確率對(duì)個(gè)體學(xué)習(xí)器進(jìn)行降序排序，若存在準(zhǔn)確率大于等于閾值T₁的個(gè)體學(xué)習(xí)器C_i，則將其選入分類器序列S使得S＝{S∪C_i}，若不存在準(zhǔn)確率大于閾值T₁的學(xué)習(xí)器，則選擇排序最前的個(gè)體學(xué)習(xí)器，加入序列S；

(3.2)對(duì)序列S中成員進(jìn)行決策層融合并計(jì)算當(dāng)前融合結(jié)果R_i與分類器池中其余未被選擇的個(gè)體學(xué)習(xí)器的kappa系數(shù)值，并對(duì)kappa系數(shù)值進(jìn)行升序排序，獲取kappa系數(shù)最小且準(zhǔn)確率達(dá)到閾值T₂的分類器C_j進(jìn)入分類器序列S；

(3.3)重復(fù)步驟(3.2)直至序列S中有n個(gè)個(gè)體學(xué)習(xí)器；

(3.4)輸出序列S，并使用S中的成員對(duì)測(cè)試樣本進(jìn)行預(yù)測(cè)，得到預(yù)測(cè)結(jié)果Y＝{y₁，y₂，…，y_n}，n為序列S的大小；

(3.5)使用大多數(shù)投票法集成預(yù)測(cè)結(jié)果Y并得到測(cè)試樣本的預(yù)測(cè)標(biāo)簽。

2.如權(quán)利要求1所述的基于分類器選擇性集成的表情識(shí)別方法，其特征在于：所述決策層融合為，采用大多數(shù)投票算法對(duì)分類器序列S中的多個(gè)個(gè)體學(xué)習(xí)器輸出結(jié)果進(jìn)行決策層融合。

3.如權(quán)利要求1所述的基于分類器選擇性集成的表情識(shí)別方法，其特征在于：所述多種機(jī)器學(xué)習(xí)算法包括卷積神經(jīng)網(wǎng)絡(luò)、k-近鄰、支持向量機(jī)。

4.如權(quán)利要求1所述的基于分類器選擇性集成的表情識(shí)別方法，其特征在于：所述生成多個(gè)分類器為，生成總數(shù)30個(gè)以上分類器。

5.如權(quán)利要求1所述的基于分類器選擇性集成的表情識(shí)別方法，其特征在于：所述步驟②中，結(jié)合準(zhǔn)確率和成對(duì)分類器的kappa系數(shù)值，選擇準(zhǔn)確率較高，差異性較大的個(gè)體學(xué)習(xí)器通過決策層融合用于表情識(shí)別領(lǐng)域提高識(shí)別效果。