[发明专利]基于SGASEN算法的人脸识别优化方法

摘要

本发明公开了基于SGASEN算法的人脸识别优化方法，首先对人脸图像进行特征提取，然后使用SGASEN算法进行识别分类。对于SGASEN算法对中存在种群大量无效交叉操作问题，本方法以回归树作为基分类器，在交叉操作之前使用计算简单的杰卡德相似性检测，对相似个体减少交叉操作，使种群更加多样性。又针对SGASEN算法存在基分类器的数目未作限制的问题，在适应度函数中考虑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。最终获得了泛化能力强和基分类器数目少的强分类器，有效地提高了人脸识别的准确率。

主权项

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，St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St；②用回归分类树算法在St下训练出基分类器模型ht；(3)采用遗传算法，执行以下几步：①初始化，对h1,···,ht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。