人脸识别是人工智能领域研究的重要方向。传统人脸识别方法大多考虑降低识别错误率,忽略了不同误分类代价的差异性。此外,训练一个精确的人脸识别分类器需要大量的标记样本,实际问题中标记样本往往很少。为解决这一问题,文章提出了一种基于高斯混合模型和EM算法的增量序贯三支决策方法,用于解决标记样本不足的代价敏感的人脸识别问题。文章针对人脸图像数据建立高斯混合模型,通过EM算法将有标记和未标记的图像数据进行综合识别,充分利用未标记样本可以帮助训练的分类器更好地表示测试样本,并得到更理想的识别效果。设计动态代价敏感识别策略,不仅考虑降低识别错误率,而且实现识别错误率和误分类代价之间的平衡。当标记样本不足时,引入边界域决策。随着序贯分类决策过程中可用信息的增加,边界域决策可以转化为正域决策或负域决策,从而形成增量式序贯三支决策过程,并通过实验验证了其有效性。
