基于参数同步优化的N-BPSO人脸识别

作者：王炼红; 杜敏^*

来源：计算机工程与设计, 2019, 40(09): 2601-2630.

DOI：10.16208/j.issn1000-7024.2019.09.035

• 特征选择
• 粒子群算法
• 新颖离散粒子群算法
• 支持向量机
• 人脸识别

为剔除特征提取中的冗余数据并优化SVM (support vector machine)的分类性能,有学者提出利用粒子群算法进行特征选择并优化分类器参数,但粒子群算法存在收敛速度快、易发散及不能运用到离散空间,且特征选择和分类器参数未实现同步优化等问题。针对上述问题,提出一种新颖的BPSO (novel binary particle swarm option,N-BPSO)算法实现在离散空间进行特征选择及SVM参数同步优化。实验结果表明,N-BPSO算法能够筛选出有效的特征子集并同步优化SVM参数,降低了空间复杂度,提高了人脸识别率和鲁棒性。

• 单位
  湖南大学