انتخاب ویژگی های مناسب برای تشخیص چهره با استفاده از الگوریتم تکاملی: بهینه سازی جمعی ذرات، الگوریتم رقابت استعماری و بهینه سازی علف های هرز

مسئله انتخاب ویژگی، یکی از پیچیده ترین مسائل در بازشناسی الگو است و یک مسئله NP-hard شناخته می شود. یکی از بهترین روشهای حل مسئله انتخاب ویژگی، استفاده از الگوریتم های تکاملی می باشد. در این مقاله به بررسی عملکرد سه الگوریتم بهینه سازی جمعی ذرات، الگوریتم رقابت استعماری و الگوریتم بهینه سازی علف های هرز برای انتخاب ویژگی در مسئله تشخیص چهره می پردازیم. برای بررسی کارایی الگوریتم های PSO، ICA و IWO از پایگاه داده تصاویر FERET استفاده شده است. از این پایگاه داده دو مجموعه A و B استخراج شد که هر مجموعه شامل 100 کلاس چهره می باشد. هر کلاس چهره فقط شامل 2 تصویر است که یک تصویر برای آموزش سیستم و یک تصویر برای آزمایش سیستم استفاده می شود. برای هر سه الگوریتم تکاملی، برازش هر جواب (مجموعه ویژگی های انتخاب شده) بر اساس میزان دقت بازشناسی بدست آمده از آن جواب روی مجموعه A محاسبه می شود. پس از پایان الگوریتم انتخاب ویژگی، ویژگی های انتخاب شده توسط بهترین جواب نسل آخر، برای تشخیص چیره روی مجموعه B مورد استفاده قرار گرفت. نتایج آزمایش ها نشان داد که الگوریتم ICA و IWO ویژگی های بهتری را برای تشخیص چهره انتخاب می کنند. به طوری که دقت تشخصی چهره با استفاده از ویژگی های انتخاب شده توسط ICA و IWO بیشتر از دقت تشخیص چهره با استفاده از ویژگی های انتخاب شده توسط الگوریتم PSO است.

کلیدواژه ها:

تشخیص چهره ، انتخاب ویژگی ، بهینه سازی جمعی ذرات ، الگوریتم رقابت استعماری ، بهینه سازی علف های هرز