基于機(jī)器學(xué)習(xí)方法的人臉識別研究.pdf

1、人臉識別是人工智能領(lǐng)域中重要的研究課題，在過去的幾十年中，它得到了研究者們廣泛的關(guān)注。由于機(jī)器學(xué)習(xí)這個領(lǐng)域不斷受到專注，基于機(jī)器學(xué)習(xí)方法的人臉識別技術(shù)是目前最流行的方法。本文主要研究人臉識別的特征提取算法以及人臉識別系統(tǒng)。 本文首先給出了特征提取的定義并回顧一下主成分分析（PCA）和線性判別分析（LDA） 以及Eigenfaces和Fisherfaces的基本原理；研究了遺傳算法的一般框架和研究現(xiàn)狀；提出一種與Bagging方法

2、相結(jié)合的進(jìn)化特征提取算法（BEFE），并將它應(yīng)用于人臉識別。與其它基于遺傳算法的特征提取算法相比，該算法有著很低的空間維數(shù)和較高的搜索效率。這個算法的另一個優(yōu)點(diǎn)是它提供了一種簡單但有效的方法來研究同一初始數(shù)據(jù)空間的不同子空間的差異。除此之外，由于使用白化的主成份分析（WPCA）和帶權(quán)值的適應(yīng)度函數(shù)，并且和Bagging方法相結(jié)合，Bagging進(jìn)化特征算法（BEFE）能適用于“訓(xùn)練集合很小”以及“類很多”的情況，并且具有很好的、穩(wěn)定的分