人脸检测与识别作为**计算机视觉**研究的核心内容之一，是一个不断发展的领域，并且还是模式识别、机器学习和数据挖掘等相关学科交叉研究的热点，已经发展成为计算智能的重要研究课题。本文是作者人脸识别系统V1.0，基于MATLAB平台，主要实现人脸识别功能，包含3种人脸识别算法，PCA-最近邻、PCA-SVM、以及深度学习的方法，都在ORL数据集上取得了较高的识别率。

主要更新CEC2005中的测试本文KAU将介绍一个2022年发表在中科院1区期刊KBS上的优化算法——白鲸优化算法(Beluga Whale Optimization，BWO)[1]该算法由大连理工大学学者Zhong等人[1]于2022年提出，其模拟了白鲸游泳、捕食和鲸落行为，与15种优化算法在30个基准函数和4个真实优化问题上进行测试，均显示出其惊艳的性能，目前也成功应用于机器学习、电力系统经济

这周有粉丝私信想让我出一期GWO-KELM的文章，因此乘着今天休息就更新了(希望不算晚)作者在前面的文章中介绍了ELM和KELM的原理及其实现，ELM具有训练速度快、复杂度低、克服了传统梯度算法的局部极小、过拟合和学习率的选择不合适等优点，而KELM则利用了核学习的方法，用核映射代替随机映射，能够有效改善隐层神经元随机赋值带来的泛化性和稳定性下降的问题，应用于非线性问题的性能更优[1]。

回归拟合问题：分类问题：本文是作者的预测算法系列的开篇1，后续将陆续介绍RBF、GRNN、ELM、WNN、随机森林、投影行踪、GRU、LSTM等的算法原理及其实现和优化，欢迎关注不迷路。

人脸检测与识别作为**计算机视觉**研究的核心内容之一，是一个不断发展的领域，并且还是模式识别、机器学习和数据挖掘等相关学科交叉研究的热点，已经发展成为计算智能的重要研究课题。本文是作者人脸识别系统V1.0，基于MATLAB平台，主要实现人脸识别功能，包含3种人脸识别算法，PCA-最近邻、PCA-SVM、以及深度学习的方法，都在ORL数据集上取得了较高的识别率。

MATLABPYTHON目前，元启发式算法按其灵感来源可以分为：（i）群体启发，如粒子群PSO和灰狼优化算法GWO等；（ii）进化启发，如遗传算法GA和差分进化算法DE等；（iii）物理启发，如开普勒优化算法KOA和瞬态优化算法TSO等；（iv）人类启发，如人类行为优化算法HBBO和徒步旅行优化算法HOA等。

主要更新所有元启发式算法的共同点在于，其搜索过程可分为勘探和开发两个阶段。勘探阶段指算法对全局空间的搜索能力，决定了算法能否获得最优解；开发阶段指对局部空间的搜索能力，决定了算法获得最优解的速度。勘探和开发之间的平衡做的越好，算法的性能就越好。

回归拟合问题：分类问题：本文是作者的预测算法系列的开篇1，后续将陆续介绍RBF、GRNN、ELM、WNN、随机森林、投影行踪、GRU、LSTM等的算法原理及其实现和优化，欢迎关注不迷路。

去雾系统V3新增了基于深度学习的去雾算法，集成直方图均衡化、Retinex、MSR、MSRCR、暗通道先验、改进的暗通道、两种深度学习算法。

东华大学沈波教授团队在2022年提出蜣螂优化算法 (Dung Beetle Optimizer，DBO) [1]，该算法与PSO、GWO、WOA、SSA、SCA、MVO、HHO相比均显示出一定然而，它有其他SI算法存在的问题，如全局探索和局部开发能力不平衡、面对复杂问题的易陷入局部最优等，其收敛速度和精度仍有改进的可能。因此针对DBO存在的问题，KAU将对DBO进行改进。