基于進化特征選擇的人臉識別算法研究.pdf

1、人臉識別是模式識別和機器視覺領域最富挑戰(zhàn)性的研究課題之一，也是近來的一個研究熱點。在人臉識別中，人臉圖像特征往往是高維向量，這不但使得算法計算開銷(包括時間開銷和空間開銷)大，而且由于高維特征中可能帶有冗余信息，甚至干擾信息，從而降低了算法識別性能。特征選擇方法可以有效降低數(shù)據(jù)的維數(shù)，進而降低識別算法的計算開銷。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別準確率。因此研究特征選擇方法對人臉識別具有重要的意義。

2、 本文研究了人臉識別中的特征提取與特征選擇問題，重點研究了基于進化特征選擇的人臉識別方法。論文的主要工作和創(chuàng)新之處包括： (1)研究并實驗比較了人臉識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)研究并實驗比較了遺傳算法、分布估計算法中的單變量邊緣分布算法和量子遺傳算法求解0～1背包問題時的性能表現(xiàn)。

3、 (3)提出了一種基于單變量邊緣分布估計算法進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算法進化選擇策略，搜索出一組最具有鑒別信息的空間矢量子集。在ORL和FERET標準人臉數(shù)據(jù)庫上的實驗結(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化選擇的核主成