面向人臉識(shí)別的支持向量機(jī)中核參數(shù)尋優(yōu).pdf

1、經(jīng)過(guò)四十多年的發(fā)展，人臉識(shí)別研究已經(jīng)取得了重大進(jìn)展，但仍存在一些不盡人意的地方，還需要解決光照變化、姿態(tài)變化、表情變化等問(wèn)題。
　　本文主要關(guān)注于面向人臉識(shí)別的支持向量機(jī)中核參數(shù)尋優(yōu)，應(yīng)用支持向量機(jī)解決實(shí)際問(wèn)題時(shí)，核函數(shù)以及相關(guān)參數(shù)的選擇對(duì)結(jié)果的好壞起著至關(guān)重要的作用，只有選擇合適的核函數(shù)及其參數(shù)，才能獲得良好推廣性能的SVM分類(lèi)器，從而使得人臉在最后識(shí)別中獲得較高的識(shí)別率。本文的主要工作如下：
　　1）系統(tǒng)和全面的總結(jié)了支

2、持向量機(jī)基礎(chǔ)理論，介紹了最優(yōu)超平面理論，線性與非線性向量機(jī)的基本原則，總結(jié)出用于解決多類(lèi)分類(lèi)問(wèn)題的策略。從非線性問(wèn)題引出了核函數(shù)，對(duì)核函數(shù)的基本概念以及它解決非線性問(wèn)題的基本思想一一進(jìn)行了詳細(xì)闡述。
　　2）詳細(xì)闡述了網(wǎng)格搜索法、雙線性搜索法、粒子群算法、遺傳算法這四種方法的常用核函數(shù)參數(shù)選擇方法基本概念，并相應(yīng)的在ORL人臉庫(kù)上進(jìn)行了仿真實(shí)驗(yàn)，結(jié)合各自的優(yōu)缺點(diǎn)，從識(shí)別率和識(shí)別時(shí)間兩方面因素綜合考慮，共同分析這些算法的性能。

3、>　　3）針對(duì)網(wǎng)格搜索時(shí)間長(zhǎng)的問(wèn)題提出了一種改進(jìn)的網(wǎng)格搜索法，首先采用大步長(zhǎng)的范圍搜索到最佳參數(shù)及在這參數(shù)下的識(shí)別率，自動(dòng)的對(duì)此時(shí)參數(shù)范圍左右進(jìn)行對(duì)半查找，此時(shí)的步長(zhǎng)設(shè)置較小，得到最優(yōu)參數(shù)及此時(shí)的識(shí)別率，如果此時(shí)識(shí)別率大于之前大步長(zhǎng)求得的識(shí)別率，則結(jié)束本輪尋優(yōu)，如果沒(méi)有，則繼續(xù)對(duì)范圍對(duì)半查找尋找最優(yōu)參數(shù)，直至滿(mǎn)足終止條件的情況下找到最優(yōu)參數(shù)。通過(guò)在ORL人臉庫(kù)上進(jìn)行了仿真實(shí)驗(yàn)，將本文所提的方法與經(jīng)典的網(wǎng)格搜索及粒子群兩種方法在識(shí)別率及其

4、識(shí)別時(shí)間兩個(gè)方面進(jìn)行了比較分析得出，該改進(jìn)的網(wǎng)格搜索法在時(shí)間上面有了較大的提高。
　　4）針對(duì)粒子群容易早熟收斂，局部尋優(yōu)能力較差的缺點(diǎn)，通過(guò)理論上的分析論證和實(shí)驗(yàn)比較提出了一種新的核函數(shù)選擇方法—基于網(wǎng)格搜索法和粒子群結(jié)合的SVM核參數(shù)尋優(yōu)。先通過(guò)網(wǎng)格快速找到參數(shù)最優(yōu)解的大致范圍，然后通過(guò)粒子群算法在該參數(shù)范圍附近在進(jìn)行一次更細(xì)致的搜索，直至找到最優(yōu)參數(shù)。通過(guò)在ORL人臉庫(kù)上進(jìn)行了仿真實(shí)驗(yàn)，將本文所提的方法與經(jīng)典的網(wǎng)格搜索及粒子