| 张新明,徐久成.基于混沌理论和支持向量机的人脸识别方法[J].高技术通讯(中文),2009,19(5):494~500 |
| 基于混沌理论和支持向量机的人脸识别方法 |
|
| |
| DOI： |
| 中文关键词: 人脸识别，混沌优化算法(COA)，支持向量机(SVM)，主成分分析(PCA) |
| 英文关键词: |
| 基金项目: |
| 作者 | 单位 | | 张新明 | 河南师范大学计算机与信息技术学院 | | 徐久成 | 河南师范大学计算机与信息技术学院 |
|
| 摘要点击次数: 3108 |
| 全文下载次数: 2363 |
| 中文摘要: |
| 针对如何选定主成分分析(PCA)特征维数和如何选定支持向量机(SVM)的参数来进一步提高人脸识别系统性能的问题，提出了一种基于混沌理论和支持向量机的人脸识别方法。首先，在统一的目标函数下，在采用PCA方法对人脸图像进行降维和将得到的特征送入SVM中进行训练期间，使用具有可操作性的改进混沌优化算法同时对PCA图像特征维数和分类器参数进行优化选择，然后用得到的优化人脸特征和最佳参数的分类器对未知图像进行识别。基于该方法，对ORL和Yale人脸库进行实验，其识别率都高达99%以上，仿真结果表明，该方法极大地提高 |
| 英文摘要: |
| |
|
查看全文
查看/发表评论 下载PDF阅读器 |
| 关闭 |
|
|
|
