一種求解tsp問題的改進(jìn)遺傳蟻群算法

《一種求解tsp問題的改進(jìn)遺傳蟻群算法》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、關(guān)鍵詞：卷積神經(jīng)網(wǎng)絡(luò)；深度學(xué)習(xí)；年齡分類0引言人臉作為人類個(gè)體鮮明顯著的生物特征之一，包含著豐富的個(gè)人信息。隨著計(jì)算機(jī)視覺和機(jī)器學(xué)習(xí)技術(shù)的發(fā)展，相關(guān)的人臉識(shí)別等技術(shù)匕成為這些項(xiàng)H任務(wù)的熱點(diǎn)課題，并在法醫(yī)、電子化客戶關(guān)系管理、安防、生物識(shí)別和娛樂影音等諸多領(lǐng)域中得到廣泛應(yīng)用。人臉除了可進(jìn)行身份認(rèn)證和識(shí)別外，還可以提取出性別、種族和年齡等信息，特別是可以將年齡及分布特征用于人機(jī)交互和商業(yè)智能等應(yīng)用中，因此年齡估計(jì)研究具有重要的科學(xué)意義和實(shí)用價(jià)值。相對(duì)于人臉識(shí)別，人臉?biāo)鼙碚鞯哪挲g信息要受到很多因素的影響，例如不同個(gè)體的基因差異、生活習(xí)慣、環(huán)境、抗壓能力、

2、健康情況和種族差別等有很大的關(guān)系。同時(shí)，相同個(gè)體因發(fā)型、化妝和表情的不同也會(huì)影響年齡的估計(jì)。因此，如果要基于傳統(tǒng)的分類算法（如支持向量機(jī)）并利用人臉圖像信息來進(jìn)行年齡分類將很難得到理想的結(jié)果。針對(duì)這些問題，目前的研宄還相對(duì)不足，如果能有效解決上述問題，對(duì)大部分潛在的應(yīng)用頌域也都將帶來深刻的影響。1相關(guān)工作年齡分類的主要流程是先根據(jù)人臉圖像獲取特征，再通過機(jī)器學(xué)習(xí)方法構(gòu)建模型，通過把年齡分為多個(gè)年齡區(qū)段，即每個(gè)年齡段對(duì)應(yīng)一個(gè)類別（比如未成年或成年人等）。因此可以把年齡分類看成是一個(gè)二分類或者多分類的分類問題來進(jìn)行求解。1994年，Kwon和Lobo則從

3、人臉圖像中獲取年齡分類，把人分為3種不同的類別，也就是兒童、青年人和老年人，強(qiáng)調(diào)重要特征點(diǎn)的選擇。2002年Lanitis等人提出了能自動(dòng)對(duì)年齡實(shí)現(xiàn)估計(jì)的年齡量化方法。而且，王先梅等的綜述中也整體梳理了相關(guān)年齡估計(jì)技術(shù)的研究發(fā)展。王紹宇等人還基于SMV采用生物特征對(duì)人?進(jìn)行分類，分為小孩和成人。此外在2016年，董遠(yuǎn)等人更將遷移學(xué)習(xí)和卷積神經(jīng)網(wǎng)絡(luò)用于人的年齡和性別分類。傳統(tǒng)的淺層機(jī)器學(xué)習(xí)模型，如支持向量機(jī)(SVM)等分類方法很難建立一個(gè)統(tǒng)一的模型去表示人臉圖像和實(shí)際年齡之間復(fù)雜的非線性關(guān)系，如果要提高年齡分類的準(zhǔn)確性，需要通過大量地協(xié)配人工參與來研究

4、提取能區(qū)分對(duì)應(yīng)不同年齡類別的大景特征。深度學(xué)習(xí)算法能夠優(yōu)質(zhì)克服傳統(tǒng)淺層學(xué)習(xí)算法中需要手工提取特征的缺點(diǎn)，能自動(dòng)地從低級(jí)別的圖像中抽取特征，再逐層地抽取特征，最后獲取高級(jí)別的抽象特征。卷積神經(jīng)網(wǎng)絡(luò)(CNN)作為深度學(xué)習(xí)算法的一種，近幾年呈現(xiàn)迅速發(fā)展態(tài)勢(shì)，并在許多圖像識(shí)別任務(wù)中取得了很大的成功。Krizhevskv等在2010年的ILSVRC中利用深度卷積神經(jīng)網(wǎng)絡(luò)，對(duì)1000種不同類別的圖片展開分類，取得了當(dāng)吋最好的識(shí)別率。此外，還在諸如語音識(shí)別、圍棋等領(lǐng)域，卷積神經(jīng)網(wǎng)絡(luò)也得到了大量的應(yīng)用。本文工作主要面向不需要提取準(zhǔn)確年齡信息，只需區(qū)分對(duì)象所處年齡段的

5、應(yīng)用場(chǎng)合，通過基于C麗的模型來對(duì)年齡進(jìn)行兒童和成人的分類，能有效用于自動(dòng)售貨機(jī)出售酒精和香煙產(chǎn)品的授權(quán)、上網(wǎng)用戶的成年人認(rèn)證和公共場(chǎng)合對(duì)未成年人的重點(diǎn)視頻監(jiān)控等實(shí)際應(yīng)用中本文采集自網(wǎng)絡(luò)，本站發(fā)布的論文均是優(yōu)質(zhì)論文，供學(xué)習(xí)和研宄使用，文中立場(chǎng)與本網(wǎng)站無關(guān)，版權(quán)和著作權(quán)歸原作者所有，如有不愿意被轉(zhuǎn)載的情況，請(qǐng)通知我們刪除己轉(zhuǎn)載的信息，如果需耍分享，請(qǐng)保留本段說明。關(guān)鍵詞：卷積神經(jīng)網(wǎng)絡(luò)；深度學(xué)習(xí)；年齡分類0引言人臉作為人類個(gè)體鮮明顯著的生物特征之一，包含著豐富的個(gè)人信息。隨著計(jì)算機(jī)視覺和機(jī)器學(xué)習(xí)技術(shù)的發(fā)展，相關(guān)的人臉識(shí)別等技術(shù)匕成為這些項(xiàng)H任務(wù)的熱點(diǎn)課題，

6、并在法醫(yī)、電子化客戶關(guān)系管理、安防、生物識(shí)別和娛樂影音等諸多領(lǐng)域中得到廣泛應(yīng)用。人臉除了可進(jìn)行身份認(rèn)證和識(shí)別外，還可以提取出性別、種族和年齡等信息，特別是可以將年齡及分布特征用于人機(jī)交互和商業(yè)智能等應(yīng)用中，因此年齡估計(jì)研究具有重要的科學(xué)意義和實(shí)用價(jià)值。相對(duì)于人臉識(shí)別，人臉?biāo)鼙碚鞯哪挲g信息要受到很多因素的影響，例如不同個(gè)體的基因差異、生活習(xí)慣、環(huán)境、抗壓能力、健康情況和種族差別等有很大的關(guān)系。同時(shí)，相同個(gè)體因發(fā)型、化妝和表情的不同也會(huì)影響年齡的估計(jì)。因此，如果要基于傳統(tǒng)的分類算法（如支持向量機(jī)）并利用人臉圖像信息來進(jìn)行年齡分類將很難得到理想的結(jié)果。針

7、對(duì)這些問題，H前的研究還相對(duì)不足，如果能有效解決上述問題，對(duì)大部分潛在的應(yīng)用頌域也都將帶來深刻的影響。1相關(guān)工作年齡分類的主要流程是先根據(jù)人臉圖像獲取特征，再通過機(jī)器學(xué)習(xí)方法構(gòu)建模型，通過把年齡分為多個(gè)年齡區(qū)段，即每個(gè)年齡段對(duì)應(yīng)一個(gè)類別（比如未成年或成年人等）。因此可以把年齡分類看成是一個(gè)二分類或者多分類的分類問題來進(jìn)行求解。1994年，Kwon和Lobo則從人臉圖像中獲取年齡分類，把人分為3種不同的類別，也就是兒童、青年人和老年人，強(qiáng)調(diào)重要特征點(diǎn)的選擇。2002年Lanitis等人提出了能自動(dòng)對(duì)年齡實(shí)現(xiàn)估計(jì)的年齡量化方法。而且，王先梅等的綜述中也整

8、體梳理了相關(guān)年齡估計(jì)技術(shù)的研究發(fā)展。王紹宇等人還基于SMV采用生物特征對(duì)人?進(jìn)行分類，分為小孩和成人。此外在