基于改进灰狼算法优化支持向量机的人脸识别

• 作者: 冯璋 王维 裴东
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 人脸识别 主成分分析 灰狼算法 支持向量机 精英反向学习
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 图形与图像
• 页码范围: 1057-1063
• 页数: 7页
• 分类号: TP391.41
• 字数: 5554字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2019.06.014

摘要

针对二维主成分分析法(2DPCA)与主成分分析法(PCA)相结合提取人脸特征时效率不高的问题,提出一种2DPCA和快速 PCA 结合与改进灰狼算法(EGWO)共同优化支持向量机的人脸识别方法.该方法在特征提取方面运用 2DPCA 与快速 PCA 相结合,以减少提取特征的维数和提取时间,从而缩短了SVM所需的识别时间.为了提高灰狼算法的全局搜索能力,引用精英反向学习策略初始化种群个体,有效增强GWO的勘探和开采能力,再将其使用到SVM中,迭代获取最佳核参数和惩戒参数,将训练得到的最终分类器应用于人脸识别中.通过6 个基准测试函数与GWO和反向学习灰狼算法(OGWO)进行性能比较,改进灰狼算法的收敛精度和收敛速度更优;经 ORL和 Yale中的人脸图像实验,证明了改进算法相对于GWO、粒子群算法(PSO)和差分进化算法(DE)结合 SVM模型的识别结果更佳且稳定性更强.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	裴东	西北师范大学物理与电子工程学院	60	321	10.0	14.0
2	王维	西北师范大学物理与电子工程学院	5	59	4.0	5.0
3	冯璋	西北师范大学物理与电子工程学院	2	40	2.0	2.0