ty -jour a2 -lin，cheng -jian au -appati，大法官Kwame au -abu，Huzaifa au -Owusu -Owusu，Ebenezer au -Darkwah，Kwaku Py -2021 DA -2021/03/12 TI-分析和实施优化技术的优化技术面部识别SP -6672578 VL -2021 AB-在提出的广泛识别方法中，这些算法仍然存在挑战，这些算法无法对照明，姿势和面部表达产生最佳的准确性。近年来，人们对使用群智能方法来帮助解决其中一些持续问题的关注。在这项研究中，采用了降低维度固有特性的主要成分分析（PCA）方法进行特征选择。使用粒子群优化（PSO）算法优化了所得特征。为了进行性能比较，还使用遗传算法（GA）和人工蜜蜂菌落（ABC）优化了所得特征。优化的特征用于使用欧几里得距离（EUD），K-Nearest邻居（KNN）和支持向量机（SVM）作为分类器进行识别。ORL数据集上这些混合模型的实验结果显示，PSO和KNN的精度为99.25％，其次是ABC，为93.72％，GA为87.50％。在中心，耶鲁布数据集对PSO，GA和ABC的实验导致100％准确性，证明了它们对最新方法的效率。SN -1687-9724 UR -https：//doi.org/10.1155/2021/6672578 do -10.1155/2021/6672578 JF-应用计算智能和软计算