基于改进AHA优化SVM的人脸识别算法

作     者：肖剑 黄博 程鸿亮 胡欣 袁晔 

作者机构：长安大学电子与控制工程学院 长安大学能源与电气工程学院 西安交通大学电子与信息学部 

出 版 物：《计算机工程》 (Computer Engineering)

年 卷 期：2024年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 080203[工学-机械设计及理论] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：陕西省秦创原“科学家+工程师”队伍建设项目(2024QCY-KXJ-161) 西安市重点产业链项目(23ZDCYJSGG0013-2023) 宁夏回族自治区重点研发计划项目(2022BEG03072) 

主　　题：人工蜂鸟算法 支持向量机 人脸识别 混沌序列 

摘      要：传统的人脸识别系统在最终人脸分类问题上，通常借助各种仿生学算法与支持向量机(Support Vector Machine，SVM)相结合，组成相应的人脸识别模型。此种方法通过算法的迭代选取最优SVM参数，然而这种策略通常存在人脸识别方法存在分类精度较低、训练时间较长且容易陷入局部最优解的问题，本文提出利用改进人工蜂鸟算法(Artificial hummingbird Algorithm，AHA)优化SVM的人脸识别方法。首先，通过引入Tent映射的混沌序列改进人工蜂鸟算法，使蜂鸟种群初始化更为均匀，避免算法陷入局部最优解；其次在采用SVM进行人脸识别的方法中引入改进AHA算法，通过设定算法一定的迭代次数，选择用来优化SVM的最优相关参数，达到提高人脸识别准确率的目的。从实验结果上看，将改进的人工蜂鸟算法与灰狼优化算法（Grey Wolf Optimizer，GWO）、麻雀搜索算法（Sparrow Search Algorithm，SSA）、鲸鱼优化算法(Whale Optimization Algorithm，WOA)进行对比，改进AHA在基准函数的求解上具有更快的收敛速度，同时在ORL人脸数据库进行人脸识别的实验中，将改进AHA与SVM结合相比于GWO、SSA和WOA与SVM结合，在人脸识别的准确率指标方面，改进AHA结合SVM方案具有更高的准确率和召回率，并且模型推理速度更快。