作者:
原文服务方: 现代电子技术       
摘要:
针对角点特征检测进行人脸识别中特征配准度低、识别精度不高的问题,提出基于蚁群算法和支持向量机的人脸识别算法.首先采用支持向量机算法进行人脸多重特征检测提取,然后对提取到的特征信息采用蚁群算法进行训练分类,实现对人脸特征的准确检测和分类识别,最后在Matlab仿真平台上进行性能测试,仿真结果表明,采用该算法进行人脸识别的精度较高,训练过程的收敛性较好,计算开销降低.
推荐文章
基于蚁群算法的支持向量机参数优化
蚁群算法
支持向量机
参数优化
油液分析
故障诊断
蚁群优化算法优化支持向量机的视频分类
体育视频
分类方法
蚁群优化算法
主成分分析
特征提取
支持向量机优化
基于PCA-LDA与蚁群优化BP神经网络的人脸识别算法
人脸识别
PCA
LDA
蚁群优化
BP算法
支持向量机和遗传算法的人脸识别方法
支持向量机
遗传算法
人脸识别
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 蚁群算法优化支持向量机的人脸识别
来源期刊 现代电子技术 学科
关键词 蚁群算法 人脸识别 支持向量机 特征检测
年,卷(期) 2016,(21) 所属期刊栏目 信号与图像处理
研究方向 页码范围 92-94,98
页数 4页 分类号 TN911.7-34|TP391
字数 语种 中文
DOI 10.16652/j.issn.1004-373x.2016.21.022
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 孙珊珊 绥化学院信息工程学院 26 65 4.0 7.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (94)
共引文献  (127)
参考文献  (11)
节点文献
引证文献  (2)
同被引文献  (13)
二级引证文献  (2)
1981(2)
  • 参考文献(0)
  • 二级参考文献(2)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(7)
  • 参考文献(0)
  • 二级参考文献(7)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(4)
  • 参考文献(0)
  • 二级参考文献(4)
2008(6)
  • 参考文献(0)
  • 二级参考文献(6)
2009(7)
  • 参考文献(0)
  • 二级参考文献(7)
2010(7)
  • 参考文献(1)
  • 二级参考文献(6)
2011(8)
  • 参考文献(0)
  • 二级参考文献(8)
2012(7)
  • 参考文献(1)
  • 二级参考文献(6)
2013(16)
  • 参考文献(1)
  • 二级参考文献(15)
2014(14)
  • 参考文献(1)
  • 二级参考文献(13)
2015(7)
  • 参考文献(3)
  • 二级参考文献(4)
2016(4)
  • 参考文献(4)
  • 二级参考文献(0)
2016(4)
  • 参考文献(4)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
蚁群算法
人脸识别
支持向量机
特征检测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
现代电子技术
半月刊
1004-373X
61-1224/TN
大16开
1977-01-01
chi
出版文献量(篇)
23937
总下载数(次)
0
总被引数(次)
135074
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导