随着人工智能的发展,人脸识别受到越来越多的重视。人脸识别技术已经成为当下热门的研究课题。人脸识别主要包括了特征提取和特征分类,本文分别从这两个方面提出了改进的算法:(1)提出了一种基于改进型卷积神经网络和支持向量机的人脸识别算法。卷积神经网络可以自动提取图像特征,但识别率却有待提高,支持向量机对于非线性特征具有良好的分辨能力,本文将两者结合起来,同时在卷积神经网络中加入Fisher线性度量函数,增大类间距离,减小类内距离。实验证明所提出的算法性能得到了有效地提高。(2)提出了一种基于粒子群算法的混合核支持向量机人脸识别算法。该算法将全局核函数和局部核函数按照比例混合组成一个新的核函数,以同步保证全局核函数的强泛化和局部核函数的强学习能力,同时利用粒子群算法的快速寻找最优解的特点,优化支持向量机的核参数。实验证明该算法也有良好的识别效果。(3)将混合核的支持向量机作为分类器应用到卷积神经网络中,提出了改进型的卷积神经网络和粒子群优化的混合核支持向量机人脸识别模型。