PCA和粗糙集的聯(lián)合自尋優(yōu)特征選擇在人臉識別中的應(yīng)用.pdf

1、隨著社會的發(fā)展，各個方面對快速有效的身份驗證的要求日益迫切。由于生物特征是人的內(nèi)在屬性，具有很強(qiáng)的自身穩(wěn)定性和個體差異性，因此是身份驗證的理想依據(jù)。其中利用人臉特征又是最自然直接的手段，相比其他生物特征，它具有直接、友好、方便的特點，易于為用戶接受。從而，人臉識別吸引了越來越多來自計算機(jī)視覺和信號處理等領(lǐng)域的關(guān)注，成為模式識別、圖像處理等學(xué)科的一大研究熱點。 人臉識別主要由三部分構(gòu)成：人臉圖像的預(yù)處理、人臉特征的提取和選擇、以及

2、人臉的分類判別。其中人臉特征的提取和選擇可以說是重中之重，也是本文的研究重點。 主成分分析(PCA)法是目前應(yīng)用最廣泛的特征提取方法之一。它可以提供基于最小化重構(gòu)誤差的優(yōu)化特征提取和約簡，然而卻并不能保證所選擇的作為特征向量的主成分都是有利于分類的。而粗糙集理論中約簡的計算方法可用于作為約簡的主成分的挑選，從而使得這些被挑選出來的主成分可以充分描述數(shù)據(jù)集中的所有概念。本文收集和分析了近年來國內(nèi)外關(guān)于粗糙集理論的學(xué)術(shù)論文及研究報告

3、，對粗糙集理論應(yīng)用于特征選擇的若干理論問題進(jìn)行了探討，從而提出了PCA和粗糙集的聯(lián)合自尋優(yōu)特征算法。這種算法引入基于基因算法和模擬退火算法的思想的粗糙集自尋優(yōu)約簡方法對PCA所提取和約簡的特征進(jìn)行進(jìn)一步約簡，以期得到能夠充分體現(xiàn)數(shù)據(jù)空間信息的最小特征集合。 在人臉識別中，聯(lián)合自尋優(yōu)特征選擇算法首先利用PCA對人臉圖像進(jìn)行基于最小化重構(gòu)誤差的人臉特征的提取和約簡，在此基礎(chǔ)上利用粗糙集的自尋優(yōu)約簡方法進(jìn)一步得到能充分體現(xiàn)人臉信息的最