基于粒子群优化的支持向量机人脸识别

被引：14

作者：

廖周宇 ^{[1
]}

王钰婷 ^{[1
]}

谢晓兰 ^{[2
]}

刘建明 ^{[3
]}

机构：

[1] 河池学院计算机与信息工程学院

[2] 桂林理工大学广西高校嵌入式技术与智能信息处理重点实验室

[3] 玉林师范学院复杂系统优化与大数据处理重点实验室

来源：

计算机工程 | 2017年 / 43卷 / 12期

关键词：

特征提取; 主成分分析; 粒子群优化; 人脸识别; 支持向量机;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; TP391.41 [];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 080203 ;

摘要：

针对传统主成分分析(PCA)算法提取人脸特征时效率低下的问题,对其求解样本协方差矩阵的特征值和特征向量的过程进行改进,提出一种基于快速PCA降维算法的人脸识别方法。使用交叉验证方法,将支持向量机(SVM)模型训练时的识别准确率作为粒子群的适应度值,利用粒子群优化算法对SVM惩罚参数和核函数参数进行全局寻优,得到参数的全局最优解,用于训练最终的分类器模型进行人脸识别。通过对ORL和Yale数据库中的人脸图像进行实验,结果表明,与传统PCA算法结合SVM模型的识别方法相比,该方法对于人脸图像具有更高的特征提取效率及识别准确率。

引用

页码：248 / 254

页数：7

共 18 条

[1] Least squares support vector machine classifiers [J].