论文部分内容阅读
构建一套适用于开集人脸识别任务的性能评估系统.该系统包括训练集质量评估和对测试样本分类结果性能评估两部分.对于前者,利用巴氏距离作为贝叶斯分类错误率的近似,并考虑开集问题中样本并非服从独立同分布假设的特殊性质,在高斯与非高斯情况下均得到训练集的质量评价函数,其中高斯情况下该函数具有闭式表达.对于后者,通过考察测试样本对附近正/负样本对的分布密度,度量由分类器得到的样本对相似程度的可靠程度,完善以往文献对比缺乏衡量的不足.文中结果在多个人脸数据库上均得到验证.