计算机工程

作者：肖剑, 黄博, 程鸿亮, 胡欣, 袁晔

单位：1. 长安大学电子与控制工程学院，陕西 西安 7100642. 长安大学能源与电气工程学院，陕西 西安 7100643. 西安交通大学电子与信息学部，陕西 西安 710049

关键词：人工蜂鸟算法,支持向量机,人脸识别,Tent映射,混沌序列

基金：陕西省秦创原“科学家+工程师”队伍建设项目(2024QCY-KXJ-161); 咸阳市重点研发计划项目(L2024-ZDYF-ZDYF-GY-0004); 宁夏回族自治区重点研发计划项目(2022BEG03072)

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(SVM)相结合组成相应的人脸识别模型。该方法通过算法的迭代选取最优SVM参数，然而这种策略在人脸识别方法上存在分类精度较低、训练时间较长且容易陷入局部最优解的问题。针对上述问题，提出利用改进人工蜂鸟算法(AHA)优化SVM的人脸识别算法。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SVM进行人脸识别的方法中引入改进AHA，通过设定一定的迭代次数，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。实验结果表明，将改进的人工蜂鸟算法与灰狼优化(GWO)算法、麻雀搜索算法(SSA)、鲸鱼优化算法(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实验，将改进AHA与SVM相结合，相比于将GWO、SSA和WOA与SVM相结合，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。

来源：2025年第10期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第10期