改进CPSO-SVM在人脸识别中的应用.pdfVIP

Computer Engineering and Applications 计算机工程与应用 2010 ，46 （28 ） 175 改进CPSO-SVM 在人脸识别中的应用 1 1 2 李 明 ，孙向风 ，邢玉娟 1 1 2 LI Ming ，SUN Xiang-feng ，XING Yu-juan 1.兰州理工大学 计算机与通信学院，兰州 730050 2.甘肃联合大学 理工学院，兰州 730000 1.School of Computer and Communication ，Lanzhou University of Technology ，Lanzhou 730050 ，China 2.School of Science and Engineering ，Gansu Lianhe University ，Lanzhou 730000 ，China E-mail ：lim3076@ 163.com LI Ming ，SUN Xiang-feng ，XING Yu-juan.Application of improved CPSO-SVM approach in face recognition.Computer Engineering and Applications ，2010 ，46 （28 ）：175-177. Abstract ：To make the particles distribute in the problem search space evenly ，and to improve the overall searching ability of the algorithm ，an improved algorithm for Chaos Particle Swarm Optimization （CPSO ）is proposed based on the analysis of the ergodicity of chaos and inertia weight of the PSO.The improved algorithm uses Circle map to produce a uniform dis- tribution of the chaotic variable track points ，and dynamic adjustment of inertia weight is implemented to avoid PSO getting into local optimum.Then a face recognition method using this improved algorithm to train Support Vector Machine （SVM）is presented.The experimental results show that the presented SVM method optimized by CPSO can achieve higher recognition performance. Key words ：Support Vector Machine（SVM）；Chaos Particle Swarm Optimization（CPSO ）；inertia weight ；face recognition 摘 要：为使粒子群优化算法初始粒子均匀分布在解空间，增强全局的搜索能力，通过对混沌运动的遍历性和粒子群优化算法中 惯性权重的分析，提出了一种改进型混沌粒子群算法。该算法采用Circle 映射，产生了分布均匀的混沌变量轨道点，并结合动态 调整惯性权重的思想来避免粒子群算法陷入局部最优。同时，给出了应用混沌粒子群算法训练SVM 的方法，并将其应用于人脸 识别。仿真实验结果表明，改进CPSO-SVM 方法比基本粒子群方法能获得更好的识别性能。 关键词：支持向量机；混沌粒子群算法；惯性权重；人脸识别 DOI ：10.3778/j.issn. 1002-8331.2010.28.049 文章编号：1002-8331（2010 ）28-0175-03 文献标识码：Ａ 中图分类号：TP391 1 引言 Optimization