加强概率推理模型在人脸识别中的应用

【摘要】：在很多应用中,组合使用多个分类器可以降低分类错误率。本文提出了一个新的算法加强概率推理模型(Probabilistic Reasoning Model),并应用于人脸识别。在这个算法中我们使用了一个“假设损失”的标志,在各次循环中我们根据这个标志可以使概率推理模型集中于那些最难分类的样本,从而得到一个弱分类器,最终可以组合这些弱分类器形成一个强的分类器。在FERET 数据库上的大量试验结果表明我们的算法的分类正确率高于原来的概率推理模型1.5个百分点。