基于改进PSO算法优化SVM模型的面色识别

作     者：李周姿 冯跃 林卓胜 徐红 LI Zhou-zi;FENG Yue;LIN Zhuo-sheng;XU Hong

作者机构：五邑大学智能制造学部广东江门529020 维多利亚大学澳大利亚墨尔本 

出 版 物：《计算机仿真》 (Computer Simulation)

年 卷 期：2022年第39卷第4期

页      面：241-247页

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：广东省五邑大学校内科研项目(2018TP023) 广东省五邑大学校内科研项目(2018GR003) 

主　　题：面色识别 支持向量机 参数优化 粒子群算法 惯性权重 高斯模型 

摘      要：针对传统中医诊断信息技术中,存在样本不平衡及面色识别精度低的问题,提出了基于改进粒子群算法的支持向量机(SVM)模型。由于数据量的限制,选择SVM小样本分类模型。采用粒子群算法为SVM模型选择合理参数。采用惯性权重先增后减的更新策略,同时利用自适应高斯模型对粒子群算法进行改进,应对容易陷入局部最优的问题。研究了384个面部图像,并利用测试数据在训练模型上进行预测。实验结果显示,模型的平均识别精确率达92.26%,相比于传统的SVM算法高出5.25%。