基于進(jìn)化特征選擇的人臉識(shí)別算法研究.pdf

1、人臉識(shí)別是模式識(shí)別和機(jī)器視覺領(lǐng)域最富挑戰(zhàn)性的研究課題之一，也是近來的一個(gè)研究熱點(diǎn)。在人臉識(shí)別中，人臉圖像特征往往是高維向量，這不但使得算法計(jì)算開銷(包括時(shí)間開銷和空間開銷)大，而且由于高維特征中可能帶有冗余信息，甚至干擾信息，從而降低了算法識(shí)別性能。特征選擇方法可以有效降低數(shù)據(jù)的維數(shù)，進(jìn)而降低識(shí)別算法的計(jì)算開銷。此外，通過選擇那些使分類效果最好的特征子集，可以有效提高算法的識(shí)別準(zhǔn)確率。因此研究特征選擇方法對人臉識(shí)別具有重要的意義。

2、 本文研究了人臉識(shí)別中的特征提取與特征選擇問題，重點(diǎn)研究了基于進(jìn)化特征選擇的人臉識(shí)別方法。論文的主要工作和創(chuàng)新之處包括： (1)研究并實(shí)驗(yàn)比較了人臉識(shí)別特征子空間方法中幾種主要方法的性能，包括FisherFace方法、直接線性鑒別分析方法、零空間線性鑒別分析方法、共同鑒別矢量方法和全空間線性鑒別分析方法。 (2)研究并實(shí)驗(yàn)比較了遺傳算法、分布估計(jì)算法中的單變量邊緣分布算法和量子遺傳算法求解0～1背包問題時(shí)的性能表現(xiàn)。

3、 (3)提出了一種基于單變量邊緣分布估計(jì)算法進(jìn)化選擇的全空間線性鑒別分析算法。在全空間線性鑒別分析算法基礎(chǔ)上，充分利用類內(nèi)離散度矩陣零空間和非零空間的有效鑒別信息，在類內(nèi)離散度矩陣全空間中采用單變量邊緣分布估計(jì)算法進(jìn)化選擇策略，搜索出一組最具有鑒別信息的空間矢量子集。在ORL和FERET標(biāo)準(zhǔn)人臉數(shù)據(jù)庫上的實(shí)驗(yàn)結(jié)果表明，在最小距離分類器下，該方法性能優(yōu)于其他線性鑒別分析算法。 (4)提出了一種基于量子遺傳算法進(jìn)化選擇的核主成