基于ACMSFLA-SVM的人脸识别算法

针对人脸识别中支持向量机(support vectors machines,SVM)在训练样本数较多且维数较高时,识别效果不理想,提出用自适应交叉变异的蛙跳算法(adaptive crossover and mutation shuffled frog leaping algorithm,ACMSFLA)训练SVM。该算法先用反向学习法产生初始群体提高初始解的质量;再依适应度值选择不同概率进行交叉和变异操作;最后应用于人脸识别中,ORL人脸库的实验仿真结果表明,ACMSFLA-SVM算法的人脸识别时间短,识别率高,在训练样本不足时,识别效果良好。