[發明專利]遺傳算法融合差分進化的選擇性集成人臉識別方法

有效

• 申請號: 201710380562.7
• 申請日: 2017-05-25
• 公開（公告）號: CN107273818B
• 公開（公告）日: 2020-10-16
• 發明（設計）人: 楊新武;張翱翔;袁順
• 申請（專利權）人: 北京工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/12
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 沈波

1.遺傳算法融合差分進化的選擇性集成人臉識別優化方法，其特征在于：該方法以支持向量機作為基分類器，從原始的訓練集有放回抽取N個樣本，按照此方法迭代T次，使用每次產生的樣本集訓練基分類器模型，對產生的T個基分類器進行實數編碼，生成初始種群，在變異操作中采取差分向量來指導變異進而產生優質的個體，交叉操作使用父代個體及變異個體共同產生交叉個體，增加了個體的多樣性，采用最優保留策略進行遺傳進化；

該方法具體步驟如下：

其中，Step1-Step5中的參數說明：T表示訓練出的基分類器數目，N表示從人臉圖像庫中有放回抽取的人臉圖像數目，S_t表示第t次抽取構成的人臉圖像訓練集，h_t表示第t個基分類器模型，h_i(x)表示第i個基分類器對一個人臉圖像樣本x的判斷輸出，y_j表示第j個人臉圖像的真實類別；

Step1對人臉圖像進行歸一化處理，提取人臉圖像的HOG特征，然后再用PCA算法降維；實驗中訓練集是由人臉圖像庫中圖像樣本構成；

Step2 For t＝1:T執行以下步驟①到②：

①從原始訓練集中有放回抽樣出N個樣本構成訓練集S_t；

②用支持向量機算法在S_t下訓練出基分類器模型h_t；

Step3遺傳算法融合差分進化，執行以下流程：

①采用實數對基分類器編碼，每個基因位取值范圍是(0-1)，編碼長度為初始的基分類器規模；

②對種群進行初始化操作，隨機產生定義域范圍內的個體；

③適應度函數采用集成泛化誤差；

④選擇操作采用輪盤賭的方法從父代個體、交叉個體以及變異個體中選擇，適應度高的個體更容易遺傳到下一代；

⑤交叉操作采用單點交叉產生新個體，基因位的來源既有父代個體中的基因又有變異個體中的基因；

⑥變異操作是融合差分進化中的變異方法，使用差分向量變異新個體，變異之前采用歐氏距離計算選中個體間的相似性，對相似性高的個體執行傳統的變異過程；

⑦停止進化；

其中適應度函數的設計同二進制編碼下的遺傳算法融合差分進化的選擇性集成學習方法不同，設個體編碼為

a＝(a₁,a₂,…,a_T)，

其中a_i∈(0,1)，i∈{1,2,…,T}設置基分類器選擇系數λ，λ取值為1/T，當a_i＞λ時取值為1，否則為0，適應度函數的設計過程如下：

(1)人臉圖像樣本x的預測輸出表示為：

(2)訓練集S的集成泛化誤差error為：

Step4解碼最優個體生成基分類器組合，對測試集預測分類，計算分類錯誤率；

Step5輸出結果。