PSO算法扰动优化策略及其收敛性研究

为进一步提升求解精度、有效抑制早熟收敛,各类扰动（变异或跳转）优化策略常用来对粒子群优化（Particle Swarm Optimization,PSO）算法的pBest、gBest进行极值扰动,由此增强粒子在多维空间的搜索能力、提升算法性能．为分析扰动优化策略下粒子（PSO算法的搜索引擎）在多维空间的轨迹行为特性,采用级数对多维空间中粒子进行了理论分析并证明了扰动后粒子轨迹的收敛性;最后,结合项目调度问题在多维空间中对随机粒子运动轨迹进行了实证分析,验证了理论证明的相关结果．     

融合人脸特征和相关向量机的多姿态人脸检测

多姿态人脸检测是人脸检测研究领域中的难点和热点之一,针对这一实际应用中亟待解决的难题,提出融合人脸特征和相关向量机的检测算法。算法首先利用肤色特征快速排除大部分背景,在肤色区域中搜索眼睛和嘴巴区域。根据眼睛和嘴巴区域的几何特征所确定的人脸方向,分割出大致正向的人脸候选区域。最后选用分类性能比支持向量机更优的相关向量机对候选区域进行分类。对比实验表明,算法提高了多姿态人脸的检测率,对光照、表情和遮挡有较强的鲁棒性。