...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Applied mathematics and computation >An improved feature selection method based on ant colony optimization (ACO) evaluated on face recognition system
【24h】

An improved feature selection method based on ant colony optimization (ACO) evaluated on face recognition system

机译：一种改进的基于蚁群算法的人脸识别特征选择方法

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Feature selection (FS) is a most important step which can affect the performance of a pattern recognition system. This paper proposes a novel feature selection method based on ant colony optimization (ACO). ACO algorithm is inspired of ant's social behavior in their search for the shortest paths to food sources. Most common techniques for ACO-based feature selection use the priori information of features. However, in the proposed algorithm classifier performance and the length of the selected feature vector are adopted as heuristic information for ACO. So, we can select the optimal feature subset in terms of shortest feature length and the best performance of classifier. The experimental results on face recognition system using ORL database show that the proposed approach is easily implemented and without any priori information of features, its total performance is better than that of GA-based and other ACO-based feature selection methods. (C) 2008 Elsevier Inc. All rights reserved.
机译：特征选择（FS）是最重要的步骤，可能会影响模式识别系统的性能。提出了一种基于蚁群优化（ACO）的特征选择方法。 ACO算法的灵感来自于蚂蚁在寻找食物来源的最短路径时的社交行为。基于ACO的特征选择的最常用技术使用特征的先验信息。然而，在提出的算法中，分类器的性能和所选特征向量的长度被用作ACO的启发式信息。因此，我们可以根据最短的特征长度和分类器的最佳性能来选择最佳特征子集。利用ORL数据库在人脸识别系统上的实验结果表明，该方法易于实现，并且没有任何先验特征信息，其总体性能优于基于GA和其他基于ACO的特征选择方法。 （C）2008 Elsevier Inc.保留所有权利。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号