基于粒子群优化的支持向量机人脸识别

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.

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

所属期刊栏目：43

分类号：TP391.41(计算技术、计算机技术)

资助基金：广西高校嵌入式技术与智能信息处理重点实验室开放基金2016-02-20;2016年度广西高校中青年教师基础能力提升项目KY2016LX285,KY2016YB382;广西高校复杂系统优化与大数据处理重点实验室开放基金2016CSOBDP0201;河池学院校级青年科研基金XJ2015QN007

在线出版日期：2018-04-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：248-254