基于改进混合蛙跳算法的SVM分类算法

支持向量机的训练需要求解一个带约束的二次规划问题,但在数据规模很大情况下,经典训练方法将变得很困难。本文提出一种基于改进的混合蛙跳算法的SVM训练算法。针对混合蛙跳算法搜索速度慢且容易陷入局部极值的缺陷,将模拟退火思想引入到混合蛙跳算法中,提出一种改进的混合蛙跳算法。该算法保持了混合蛙跳算法参数少和容易实现的特点,同时通过模拟退火的降温过程来提高算法的进化速度和精度。实验结果表明,该算法能显著提高收敛速度,并能有效克服局部极值,在SVM训练中具有良好效果。     

改进的SVM分类算法在人脸年龄估计中的应用

支持向量机的训练需要求解一个带约束的二次规划问题，但在数据规模很大情况下，经典训练方法将变得很困难，提出一种基于改进的混合蛙跳算法的SVM训练算法，针对混合蛙跳算法搜索速度慢且容易陷入局部极值的缺陷，将模拟退火思想引入到混合蛙跳算法中，提出一种改进的混合蛙跳算法，并将其应用到人脸年龄估计中去，另外使用核主成分分析算法、Gabor小波变换以及局域二值变换来提取人脸的特征，将这3种特征分别特征层和决策层融合后，得到更为适合人脸年龄的特征向量。实验结果表明，使用该算法得到的人脸年龄段分类的分类准确率相对较高。