遺傳算法在PCA人臉識別算法中的應(yīng)用研究.pdf

1、近年來，隨著人工智能和圖像處理技術(shù)的發(fā)展，人臉圖像信息處理和識別技術(shù)也在日益更新。但是，目前仍然有許多問題還未能解決，有待進(jìn)行深入的研究。
　　以主成份分析算法為例，算法中的運(yùn)算過程消除了本來相關(guān)數(shù)據(jù)分量之間的相關(guān)性。本算法中的特征值從大到小依次排列，保留排在前面較大的特征值及其特征向量，構(gòu)造一個主分量對應(yīng)的特征空間，用于人的面部特征分類。本算法中的較大特征值對應(yīng)的特征向量主要體現(xiàn)人的面部照片總體趨勢的低頻分量；而較小特征值對應(yīng)的

2、特征向量體現(xiàn)人的面部照片細(xì)節(jié)信息的高頻分量，所以本算法獲得了人的面部照片的總體特征信息，在人的面部照片上的表現(xiàn)就是人的面部的外形輪廓和灰度信息，因此本算法丟棄了大部分人的面部的細(xì)節(jié)信息。
　　本文通過“傳統(tǒng)PCA特征空間的確定”，討論了傳統(tǒng)PCA方法中特征空間是如何確定的；通過實(shí)驗(yàn)討論了“特征空間與識別率的關(guān)系”，論證了特征空間與識別率的關(guān)系，同時證明了遺傳算法在PCA中應(yīng)用的可能性；在“遺傳算法與PCA人臉識別方法的結(jié)合”中介紹

3、了結(jié)合方法，并通過實(shí)驗(yàn)探討了應(yīng)用情況。本文主要利用基因算法進(jìn)一步改進(jìn)了主元分析人的面部識別算法，利用基因算法對主元分析人的面部識別算法的特征空間進(jìn)行優(yōu)化選取，首先是對基因算法編碼位數(shù)的改進(jìn)，原來如果是N位，現(xiàn)在只需要N-1位，并且能夠達(dá)到同樣的效果，降低了算法的時間復(fù)雜度和空間復(fù)雜度；其次是前人的初始種群是隨機(jī)確定的，根據(jù)特征值及其特征向量的分布規(guī)律確定了非隨機(jī)初始種群方法；最后是基因算法運(yùn)行過程中保存每代最高適應(yīng)度的所有染色體，算法運(yùn)