一种基于 ISFLA-SVM 的人脸识别算法.pdf

《一种基于 ISFLA-SVM 的人脸识别算法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、一种基于ＩＳＦＬＡ－ＳＶＭ的人脸识别算法刘悦婷，等倡一种基于ISFLA－SVM的人脸识别算法刘悦婷，阎爱玲（兰州文理学院电子信息工程学院甘肃兰州，７３００００）摘要：蛙跳算法（ｓｈｕｆｆｌｅｄｆｒｏｇｌｅａｐｉｎｇａｌｇｏｒｉｔｈｍ，ＳＦＬＡ）易陷入局部最优，且求解精度较低，提出一种改进的蛙跳算法（ｉｍｐｒｏｖｅｄｓｈｕｆｆｌｅｄｆｒｏｇｌｅａｐｉｎｇａｌｇｏｒｉｔｈｍ，ＩＳＦＬＡ）。该算法对青蛙的更新策略进行修改，引入自我学习因子，使青蛙个体依据适应度值而选择不同大小的自我学习因子；然后用改进的蛙跳算法ＩＳＦＬＡ训练支持向量机（ｓｕｐｐｏｒｔｖｅ

2、ｃｔｏｒｓｍａｃｈｉｎｅｓ，ＳＶＭ），并将其用于人脸识别中。ＯＲＬ和ＣＡＳ－ＰＥＡＬ－Ｒ１人脸库的实验仿真结果表明，与ＡＳＦＬＡ－ＳＶＭ、ＳＦＬＡ－ＳＶＭ和ＰＳＯ－ＳＶＭ方法相比，ＩＳＦＬＡ－ＳＶＭ方法的人脸识别时间短，识别率高，对脸部表情变化和饰物有良好的鲁棒性，在训练样本不足时，识别效果良好。关键词：支持向量机；改进蛙跳算法；人脸识别；自我学习因子；最优解中图分类号：ＴＰ３９１文献标识码：ＡＤＯＩ编码：１０．１４０１６／ｊ．ｃｎｋｉ．１００１－９２２７．２０１６．０３．２１０Abstract：Ｂｅｃａｕｓｅｏｆｔｈｅｐｒｏｂｌｅｍｓｏｆｓｈｕｆ

3、ｆｌｅｄｆｒｏｇｌｅａｐｉｎｇａｌｇｏｒｉｔｈｍ（ＳＦＬＡ）ｓｕｃｈａｓｌｏｃａｌｏｐｔｉｍａｌａｎｄｌｏｗｐｒｅｃｉｓｉｏｎｓｏｌｕｔｉｏｎ，ａｉｍｐｒｏｖｅｄｓｈｕｆｆｌｅｄｆｒｏｇｌｅａｐｉｎｇａｌｇｏｒｉｔｈｍｉｓｐｒｅｓｅｎｔｅｄ．Ｉｎｔｈｉｓａｌｇｏｒｉｔｈｍ，ｗｅｃｏｒｒｅｃｔｆｒｏｇｕｐｄａｔｅｓｔｒａｔｅｇｙｂｙｉｎｔｒｏｄｕｃｔｉｏｎｏｆｓｅｌｆｌｅａｒｎｉｎｇｆａｃｔｏｒ．Ｉｎｔｈｅｓｅａｒｃｈ，ｅａｃｈｏｆｆｒｏｇｉｎｄｉｖｉｄｕａｌｓａｃｃｏｒｄｉｎｇｔｏｔｈｅｆｉｔｎｅｓｓｗｉｌｌｃｈｏｏｓｅｄｉｆｆｅｒｅｎｔｓｅｌｆｌ

4、ｅａｒｎｉｎｇｆａｃｔｏｒ．ＡｆａｃｅｒｅｃｏｇｎｉｔｉｏｎａｌｇｏｒｉｔｈｍｕｓｉｎｇＩＳＦＬＡｔｏｔｒａｉｎＳＶＭｉｓｐｒｏｐｏｓｅｄ．ＴｈｅｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｏｆｅｘｐｅｒｉｍｅｎｔｓｏｎｔｈｅＯＲＬａｎｄＣＡＳ－ＰＥＡＬ－Ｒ１ｆａｃｅｄａｔａｂａｓｅｓｈｏｗｔｈａｔｃｏｍｐａｒｅｄｗｉｔｈＡＳＦＬＡ－ＳＶＭ、ＳＦＬＡ－ＳＶＭａｎｄＰＳＯ－ＳＶＭ，ＩＳＦＬＡ－ＳＶＭｈａｓｓｈｏｒｔｅｒｒｅｃｏｇｎｉｔｉｏｎｔｉｍｅ，ｈｉｇｈｅｒｒｅｃｏｇｎｉｔｉｏｎｒａｔｅａｎｄｂｅｔｔｅｒｒｏ-ｂｕｓｔｎｅｓｓｔｏｆａｃｉａｌｅｘｐｒｅｓｓ

5、ｉｏｎａｎｄａｃｃｅｓｓｏｒｉｅｓｃｈａｎｇｅ．Ｉｎｔｈｅｌａｃｋｏｆｔｒａｉｎｉｎｇｓａｍｐｌｅｓ，ＩＳＦＬＡ－ＳＶＭｈａｓｇｏｏｄｒｅｃｏｇｎｉｔｉｏｎｅｆｆｅｃｔ．Keywords：Ｓｕｐｐｏｒｔｖｅｃｔｏｒｓｍａｃｈｉｎｅｓ（ＳＶＭ）；Ｉｍｐｒｏｖｅｄｓｈｕｆｆｌｅｄｆｒｏｇｌｅａｐｉｎｇａｌｇｏｒｉｔｈｍ（ＩＳＦＬＡ）；Ｆａｃｅｒｅｃｏｇｎｉｔｉｏｎ；Ｓｅｌｆｌｅａｒｎｉｎｇｆａｃｔｏｒ；Ｏｐｔｉｍａｌｓｏｌｕｔｉｏｎ算法对青蛙的更新策略进行修改，引入自我学习因子，使得青０引言蛙个体依据适应度值而选择不同大小的自我学习因子。用改人脸识别是

6、生物识别领域最重要的一个研究方向，是目进的蛙跳算法ＩＳＦＬＡ训练ＳＶＭ，并将其用于人脸识别中。［１－２］前最为活跃的研究领域。在人脸识别技术中，各种人脸ＯＲＬ和ＣＡＳ－ＰＥＡＬ－Ｒ１人脸库的实验仿真结果表明，与其他特征选择、特征提取方法和分类器的选择是决定识别效果的三种方法相比，ＩＳＦＬＡ－ＳＶＭ的人脸识别效果良好。关键，常用的人脸识别分类器有最近邻距离法，人工神经网络１支持向量机法和基于统计法的支持向量机技术ＳＶＭ。最近邻距离分类器是最基本的分类法，被广泛应用于各领域，但在训练样本较支持向量机ＳＶＭ是模式识别的主流分类器，对非线性、多时会产生很高

7、的错误率。人工神经网络分类器可解决非线高维数的小样本人脸识别问题有很好的分类效果。在结构风性问题，已被广泛使用，但其依据风险最小化原则，易出现险最小化的基础上，先构造最优超平面，使分类误差达到最“过学习”现象，导致泛化能力较差。２０世纪９０年代末出现小，再通过适当的核函数将输入的非线性数据变换到一个高［６］了支持向量机，该技术基于结构风险化原理，具有数学表达式维空间，最后在这个高维空间求取最优分类面。简洁和泛化能力良好的优点，在解决分类、非线性和高维模式d给定训练样本（xi，yi）（i＝１，２，⋯，n），x∈R，yi∈｛＋１，－识别问题中表现出良好

8、的特性。１｝，满足一般ＳＶＭ训练方法是将问题分解为许多子问题，再对子yi［（wxi）＋b］－１≥０，i＝１，２，⋯，n（１