文献类型：期刊文章

作　　者：廖周宇[1] 王钰婷[1] 谢晓兰[2] 刘建明[3]

机构地区：[1]河池学院计算机与信息工程学院,广西宜州546300 [2]桂林理工大学广西高校嵌入式技术与智能信息处理重点实验室,广西桂林541000 [3]玉林师范学院复杂系统优化与大数据处理重点实验室,广西玉林537000

出　　处：《计算机工程》

基　　金：广西高校嵌入式技术与智能信息处理重点实验室开放基金(2016-02-20);2016年度广西高校中青年教师基础能力提升项目(KY2016LX285;KY2016YB382);广西高校复杂系统优化与大数据处理重点实验室开放基金(2016CSOBDP0201);河池学院校级青年科研基金(XJ2015QN007)

年　　份：2017

卷　　号：43

期　　号：12

起止页码：248-254

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAS、CSCD、CSCD_E2017_2018、IC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：针对传统主成分分析(PCA)算法提取人脸特征时效率低下的问题,对其求解样本协方差矩阵的特征值和特征向量的过程进行改进,提出一种基于快速PCA降维算法的人脸识别方法。使用交叉验证方法,将支持向量机(SVM)模型训练时的识别准确率作为粒子群的适应度值,利用粒子群优化算法对SVM惩罚参数和核函数参数进行全局寻优,得到参数的全局最优解,用于训练最终的分类器模型进行人脸识别。通过对ORL和Yale数据库中的人脸图像进行实验,结果表明,与传统PCA算法结合SVM模型的识别方法相比,该方法对于人脸图像具有更高的特征提取效率及识别准确率。

关 键 词：特征提取 主成分分析 粒子群优化 人脸识别 支持向量机

分 类 号：TP391.41]