基于改進(jìn)型卷積神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)的人臉識(shí)別方法研究.pdf

1、隨著人工智能的發(fā)展，人臉識(shí)別受到越來(lái)越多的重視。人臉識(shí)別技術(shù)已經(jīng)成為當(dāng)下熱門的研究課題。人臉識(shí)別主要包括了特征提取和特征分類，本文分別從這兩個(gè)方面提出了改進(jìn)的算法:
　　(1)提出了一種基于改進(jìn)型卷積神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)的人臉識(shí)別算法。卷積神經(jīng)網(wǎng)絡(luò)可以自動(dòng)提取圖像特征，但識(shí)別率卻有待提高，支持向量機(jī)對(duì)于非線性特征具有良好的分辨能力，本文將兩者結(jié)合起來(lái)，同時(shí)在卷積神經(jīng)網(wǎng)絡(luò)中加入Fisher線性度量函數(shù)，增大類間距離，減小類內(nèi)距離。實(shí)

2、驗(yàn)證明所提出的算法性能得到了有效地提高。
　　(2)提出了一種基于粒子群算法的混合核支持向量機(jī)人臉識(shí)別算法。該算法將全局核函數(shù)和局部核函數(shù)按照比例混合組成一個(gè)新的核函數(shù)，以同步保證全局核函數(shù)的強(qiáng)泛化和局部核函數(shù)的強(qiáng)學(xué)習(xí)能力，同時(shí)利用粒子群算法的快速尋找最優(yōu)解的特點(diǎn)，優(yōu)化支持向量機(jī)的核參數(shù)。實(shí)驗(yàn)證明該算法也有良好的識(shí)別效果。
　　(3)將混合核的支持向量機(jī)作為分類器應(yīng)用到卷積神經(jīng)網(wǎng)絡(luò)中，提出了改進(jìn)型的卷積神經(jīng)網(wǎng)絡(luò)和粒子群優(yōu)化的