基于進(jìn)化計(jì)算和支持向量機(jī)的人臉識(shí)別算法研究.pdf

1、人臉識(shí)別是生物特征識(shí)別的一個(gè)重要分支，在信息安全、刑事偵破、出入口控制等領(lǐng)域有著廣泛的應(yīng)用前景。人臉識(shí)別的本質(zhì)是分類問題，傳統(tǒng)的分類方法容易出現(xiàn)過學(xué)習(xí)現(xiàn)象，支持向量機(jī)因其出色的學(xué)習(xí)能力、泛化能力強(qiáng)等優(yōu)勢，已經(jīng)成為人臉識(shí)別的首選分類器。但當(dāng)訓(xùn)練樣本規(guī)模過大時(shí)，如何解決訓(xùn)練速度與訓(xùn)練樣本規(guī)模間的矛盾仍然是目前的研究熱點(diǎn)，本文針對進(jìn)化算法有很好的自適應(yīng)性、并行性、能較好的處理大規(guī)模復(fù)雜數(shù)據(jù)，嘗試將混沌理論以及粒子群算法應(yīng)用到該問題的研究中。<

2、br>　　 本文的主要工作包括：
　　 1.提出一種新的混沌模型-circle模型，在matlab上的實(shí)驗(yàn)結(jié)果表明circle模型可以產(chǎn)生分布更加均勻的混沌變量。
　　 2.結(jié)合混沌理論的粒子群優(yōu)化算法?；玖Ｗ尤核惴ㄔ谒阉鬟^程中粒子的搜索空間是一個(gè)有限的區(qū)域，不能覆蓋到整個(gè)空間，容易陷入局部最優(yōu)。本文利用混沌系統(tǒng)遍歷性和對初值的高敏感特性，將混沌思想與粒子群算法相結(jié)合，避免粒子群算法陷入局部最優(yōu)，增強(qiáng)算法的全局搜索能