[发明专利]基于SGASEN算法的人脸识别优化方法

权利要求书

1.基于SGASEN算法的人脸识别优化方法，首先利用PCA算法对人脸图像进行特征提取和降维，有效地降低了问题的时间复杂度；然后，用降维后的矩阵数据，使用SGASEN算法进行识别分类；

该方法以回归树作为基分类器，从原始的训练集有又放回抽取N个样本，迭代T次；对产生后的N个基分类器进行二进制编码，生成初始种群，在交叉操作之前使用杰卡德相似性检测，对于相似个体减少交叉操作，在对适应度函数设置的同时，兼顾集成泛化误差和基分类器数目，采用最优保留策略进行遗传进化；

其特征在于：该方法具体步骤如下，

(1)首先，对人脸识别库中的所有图像进行归一化处理，然后再用PCA算法降维；确定每次训练集大小N和迭代次数T，该训练集是由人脸识别库中图像样本构成；本方法的各个参数意义如下：N表示每次从人脸图像中抽取的样本数目，T表示为训练出T个基分类器需要的迭代次数，S_t表示第t次抽取出的图像样本构成的训练集，M表示从训练出的基本分类器中随机选出基分类器的个数；

(2)For t＝1:T执行以下几步：

①从原始训练集中有放回抽样出N个样本构成训练集S_t；

②用回归分类树算法在S_t下训练出基分类器模型h_t；

(3)采用遗传算法，执行以下几步：

①初始化，对h₁,···,h_t采用二进制编码，编码长度为T，此处的编码长度T与基分类器的个数相等，每个基因位取值为0或1，基因位为1表示该基分类器被选中，基因位为0表示基分类器未被选中，不同的二进制基因编码串表示不同的个体；以为适应度函数，其中ε为回归树集成误差，α为惩罚系数，t为基因编码串中基因值1的个数即被选中的基分类器个数；

②随机产生M个个体，构成初始种群；

③设置相似度阈值λ，表示种群中两个个体的相似程度，相似度计算公式使用Jaccard系数，采用轮盘赌选择法选择两个父代个体，使用Jaccard检测相似度，当相似度大于λ时，对适应度较差的个体重新选择，直到两个个体相似度小于λ；

④对③中选择的两个个体进行相互交叉操作，产生两个下一代个体；

⑤对所有新产生个体进行基因位的变异操作；

⑥停止种群进化；

(4)从最后一代个体中取出最优个体，进行解码即为基分类器组合，使用多数投票法对测试集预测，计算分类错误率；

(5)结束。