论文部分内容阅读
本文提出一种基于差分演化(DE)的多分类器集成训练算法(DE-MCE)。该算法首先通过计算每个弱分类器在全部训练样本集上的分类错误率并对其进行排序，挑选出分类效果最好的前T个弱分类器，然后利用DE算法优化各弱分类器权重，得到多个弱分类器的最优加权集成。将该算法应用于人脸识别，在经典数据库上的实验结果表明，本文算法的训练时间较经典AdaBoost有很大提高，同时也获得了较高的识别准确率。