面向人臉識別的支持向量機中核參數(shù)尋優(yōu).pdf

1、經(jīng)過四十多年的發(fā)展，人臉識別研究已經(jīng)取得了重大進展，但仍存在一些不盡人意的地方，還需要解決光照變化、姿態(tài)變化、表情變化等問題。
　　本文主要關(guān)注于面向人臉識別的支持向量機中核參數(shù)尋優(yōu)，應(yīng)用支持向量機解決實際問題時，核函數(shù)以及相關(guān)參數(shù)的選擇對結(jié)果的好壞起著至關(guān)重要的作用，只有選擇合適的核函數(shù)及其參數(shù)，才能獲得良好推廣性能的SVM分類器，從而使得人臉在最后識別中獲得較高的識別率。本文的主要工作如下：
　　1）系統(tǒng)和全面的總結(jié)了支

2、持向量機基礎(chǔ)理論，介紹了最優(yōu)超平面理論，線性與非線性向量機的基本原則，總結(jié)出用于解決多類分類問題的策略。從非線性問題引出了核函數(shù)，對核函數(shù)的基本概念以及它解決非線性問題的基本思想一一進行了詳細(xì)闡述。
　　2）詳細(xì)闡述了網(wǎng)格搜索法、雙線性搜索法、粒子群算法、遺傳算法這四種方法的常用核函數(shù)參數(shù)選擇方法基本概念，并相應(yīng)的在ORL人臉庫上進行了仿真實驗，結(jié)合各自的優(yōu)缺點，從識別率和識別時間兩方面因素綜合考慮，共同分析這些算法的性能。

3、>　　3）針對網(wǎng)格搜索時間長的問題提出了一種改進的網(wǎng)格搜索法，首先采用大步長的范圍搜索到最佳參數(shù)及在這參數(shù)下的識別率，自動的對此時參數(shù)范圍左右進行對半查找，此時的步長設(shè)置較小，得到最優(yōu)參數(shù)及此時的識別率，如果此時識別率大于之前大步長求得的識別率，則結(jié)束本輪尋優(yōu)，如果沒有，則繼續(xù)對范圍對半查找尋找最優(yōu)參數(shù)，直至滿足終止條件的情況下找到最優(yōu)參數(shù)。通過在ORL人臉庫上進行了仿真實驗，將本文所提的方法與經(jīng)典的網(wǎng)格搜索及粒子群兩種方法在識別率及其

4、識別時間兩個方面進行了比較分析得出，該改進的網(wǎng)格搜索法在時間上面有了較大的提高。
　　4）針對粒子群容易早熟收斂，局部尋優(yōu)能力較差的缺點，通過理論上的分析論證和實驗比較提出了一種新的核函數(shù)選擇方法—基于網(wǎng)格搜索法和粒子群結(jié)合的SVM核參數(shù)尋優(yōu)。先通過網(wǎng)格快速找到參數(shù)最優(yōu)解的大致范圍，然后通過粒子群算法在該參數(shù)范圍附近在進行一次更細(xì)致的搜索，直至找到最優(yōu)參數(shù)。通過在ORL人臉庫上進行了仿真實驗，將本文所提的方法與經(jīng)典的網(wǎng)格搜索及粒子