%0 Journal Article %A 廖周宇 %A 王钰婷 %A 谢晓兰 %A 刘建明 %T 基于粒子群优化的支持向量机人脸识别 %D 2017 %R 10.3969/j.issn.1000-3428.2017.12.045 %J 计算机工程 %P 248-254 %V 43 %N 12 %X 针对传统主成分分析(PCA)算法提取人脸特征时效率低下的问题,对其求解样本协方差矩阵的特征值和特征向量的过程进行改进,提出一种基于快速PCA降维算法的人脸识别方法。使用交叉验证方法,将支持向量机(SVM)模型训练时的识别准确率作为粒子群的适应度值,利用粒子群优化算法对SVM惩罚参数和核函数参数进行全局寻优,得到参数的全局最优解,用于训练最终的分类器模型进行人脸识别。通过对ORL和Yale数据库中的人脸图像进行实验,结果表明,与传统PCA算法结合SVM模型的识别方法相比,该方法对于人脸图像具有更高的特征提取效率及识别准确率。 %U http://www.ecice06.com/CN/10.3969/j.issn.1000-3428.2017.12.045