基于SVM+RFE的人脸特征选择方法.pdfVIP

维普资讯 第33卷第5期 光电工程 V0l_33．No．5 2006年 5月 Opto—ElectronicEngineering May，2006 文章编号：1003—501X(2006)05—0II3—05 基于 SVMRFE的人脸特征选择方法 李伟红，龚卫国，陈伟民，梁毅雄，尹克重 (重庆大学 光电技术及系统教育部重点实验室，重庆 400044) 摘要：提出一种新的基于SVMRFE(SupportVectorMachineRecursiveFeatureElimination)~# 脸特 征选择方法。该方法将权重矢量和半径／间隔作为SVMRFE的特征选择标准，采用缩放因子梯度 算法优化特征搜索 基于该方法构建了一种实用、有效的人脸特征提取、选择及识别框架，并在 UMIST人脸数据库上进行 了验证实验。对特征选择前后的分类能力及速度进行了分析比较，结果 表明，该方法是一种实用、有效的人脸特征选择方法，可以在特征维数为80左右时，达到94．62 ％的分类识别率。 关键词：特征选择；人脸识别；支持向量机(sVM)；RFE 中图分类号：TP391．41 文献标识码：A FacialfeatureselectionmethodbasedonSVM RFE LIWei-hong，GONGW ei—guo，CHENWei—rain，LIANGYi-xiong，YINKe-zhong fKeyLabofOptoelectronicTechnology＆SystemsofEducationMinistryofChina， ChongqingUniversity，Chongqing400044，China) Abstract：AnovelmethodbasedonSupportVectorMachineRecursiveFeatureElimination(SVM RFE)forfacialfeature selection isproposed．Theproposedmethodmadeweightvectorand radius／margin to actasfeature selection criteriaand adopted scaling factorand gradientdescent algorithm ofroptimizingthefeaturesearchperformance．Basedonthemethod，apracticalandefficient frameworkofthefacialfeatureselectionwasconstructed．Tocomparetheclassificationabilityand performanceoftheproposedmethod，experimentswereperformed on UMIST facialdatabase．An accuracyof94．62％ isachievedwhenfacialfeaturearearound80，whichshowstheefficiencyof proposedmethod Key words：Feature selection；Facialrecognition；Supportvectormachine；Recursive feature elimination 引 I=1 在分类问题中，通常获得的原始特征点 ，∈R”，它的标签为Y∈±l，概率分布 尸 ，)为未知。特征 选择的目的就是从原始特征中选出对分类有利的特征子集，这在机器学习领域是一个关键的问题，也是构 造模式识别系统最困难的任务之一。已经证明，最优化特征子集选择(OptimalFeaturesSubse