采用自适应遗传算法（AGA）优化筛选改进高斯核函数支持向量机（SVM）参数模型进行人脸特征分类。支持向量机的泛化性能主要取决于核函数类型和核函数参数及惩罚系数C，本文在传统高斯核函数基础上提出改进高斯核函数作为支持向量机的非线性映射函数，并使用自适应遗传算法优化筛选核函数参数和支持向量机惩罚系数，将优化后的SVM模型用于人脸库进行实验仿真。实验结果表明，本文方法比传统高斯核函数支持向量机分类器模型有更高识别率。

提出基于灰度共生矩阵（GLCM）和混沌遗传优化算法（CGA）的人脸表情识别方法（FER）。为了消除遗传算法中个体在解空间内分布的不均匀性，利用混沌的随机性、遍历性和规律性，将混沌引入到遗传算法中，由此得到了混沌遗传优化算法（CGA）；通过灰度共生矩阵提取出的特征和改进后的混沌遗传优化算法，将人脸表情识别的寻找感兴趣区域（ROI）和特征提取结合成一步；最后利用支持向量机（SVM）进行图像分类。理论和实验证明，该方法实现简单且切实可行。

MATLAB环境下基于矢量量化的说话人识别系统.pdf MATLAB环境下的基于GMM模型的说话人识别系统.pdf MATLAB环境下的语音识别系统.pdf 一种基于GMM的说话人识别系统的实现.pdf 一种基于MFCC和LPCC的文本相关说话人识别方法.pdf 一种基于优化小波神经网络的语音识别.pdf 一种基于小波变换和隐Markov模型的声调识别方法.pdf 一种快速说话人搜索算法.pdf 一种改进的基于小波去噪HMM非特定人语音识别算法.pdf 一种改进的说话人识别系统