基于蚁群智能和支持向量机的人脸性别分类方法

被引：6

作者：

燕忠

袁春伟

机构：

[1] 东南大学生物医学工程系分子与生物分子电子学教育部重点实验室

来源：

电子与信息学报 | 2004年 / 08期

基金：

国家自然科学基金重点项目;

关键词：

性别分类; 支持向量机; 蚁群优化算法; KL变换;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

蚁群优化算法是根据自然界中蚂蚁能够将食物以最短路径搬回蚁巢这一智能行为而提出的一种新颖的进化算法,该算法不仅具有很好的鲁棒性,良好的正反馈特性,而且具有并行分布计算的特点.同时,支持向量机又是一种基于结构风险最小化原理的机器学习技术,具有很强的学习泛化能力,为此,文章提出了基于蚁群优化算法和支持向量机的人脸性别分类的方法.首先,通过KL变换降低人脸性别特征的维数,并根据特征值按照从大到小的顺序进行排列,然后采用10-交叉确认技术,用蚁群优化算法对人脸性别特征面进行选择,以对支持向量机进行学习、训练和测试.实验表明,与其他分类算法相比较,这种方法不仅图像处理简单,实用性强,而且正确识别率特别高.

引用

页码：1177 / 1182

页数：6

共 5 条

[1] 增强型的蚁群优化算法
燕忠
袁春伟
[J]. 计算机工程与应用, 2003, (23) : 62 - 64
[2] 数据挖掘[M]. 机械工业出版社 , (加)JiaweiHan, 2001
[3] 模式识别[M]. 清华大学出版社 , 边肇祺等编著, 2000
[4] Principal Component and Neural Network Analyses of Face Images: What Can Be Generalized in Gender Classification?[J] . Dominique Valentin,Hervé Abdi,Betty Edelman,Alice J. O’Toole.Journal of Mathematical Psychology . 1997 (4)
[5] More about the Difference between Men and Women: Evidence from Linear Neural Networks and the Principal-Component Approach[J] . Hervé Abdi,Dominique Valentin,Betty Edelman,Alice J O’Toole.Perception . 1995 (5)

← 1 →