人脸表情识别研究涉及到心理学、计算机视觉、模式识别等多个学科领域,具有很高的理论价值和现实意义。如何利用机器学习和深度学习的方法提高准确率和时效性是近年来的一个研究热点。本文提出了一种基于人工蜂群算法的选择性集成表情识别方法,又在此基础上提出了一种残差网络和选择性集成相结合的表情识别方法。在模式分类中,选择性集成较之单个分类器和集成学习能取得更好的结果,而不同的优化算法也会产生不同的效果。本文提出一种基于人工蜂群算法的选择性集成表情识别方法,在模式分类环节对集成的分类器利用人工蜂群算法分配不同的权重,并剔除权重过小的分类器。在JAFFE、CK+和KDEF数据集上,与单个分类器、集成学习以及不同优化算法的对比实验表明,本文提出的方法在准确率和全局寻优方面都取得了更好的结果。然后,在上述所提出的选择性集成的基础上,又提出了一种残差网络和选择性集成相结合的表情识别方法。残差网络是一种较新的卷积神经网络,具有强大的特征提取能力和泛化能力。本文先分析了残差网络的结构及其优势所在。然后提出采用残差网络进行特征提取,并通过实验对比了18层残差网络、34层残差网络和传统特征提取方法的效果,表明了残差网络的优势;另外,本文分析了残差网络中softmax分类器与SVM的差别。为了充分利用选择性集成SVM的优势,将残差网络提取出来的特征通过选择性集成SVM进行模式分类,并与softmax对比。在JAFFE、CK+和KDEF数据集上的对比实验表明,本文所提出的方法取得了更高的识别率。