10.3969/j.issn.1006-9348.2022.04.048
基于改进PSO算法优化SVM模型的面色识别
针对传统中医诊断信息技术中,存在样本不平衡及面色识别精度低的问题,提出了基于改进粒子群算法的支持向量机(SVM)模型.由于数据量的限制,选择SVM小样本分类模型.采用粒子群算法为SVM模型选择合理参数.采用惯性权重先增后减的更新策略,同时利用自适应高斯模型对粒子群算法进行改进,应对容易陷入局部最优的问题.研究了384个面部图像,并利用测试数据在训练模型上进行预测.实验结果显示,模型的平均识别精确率达92.26%,相比于传统的SVM算法高出5.25%.
面色识别、支持向量机、参数优化、粒子群算法、惯性权重、高斯模型
39
TP391.41(计算技术、计算机技术)
广东省五邑大学校内科研项目;广东省五邑大学校内科研项目
2022-05-20(万方平台首次上网日期,不代表论文的发表时间)
共7页
241-247