中央高校基本科研业务费专项资金(CDJZR10120010)
- 作品数：3 被引量：21H指数：3
- 相关作者：辜小花杨利平龚卫国李伟红叶洪伟更多>>
- 相关机构：重庆大学更多>>
- 发文基金：中央高校基本科研业务费专项资金重庆市科技攻关计划公安部应用创新计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 用于分类的样本保局鉴别分析方法被引量：3
- 2011年
- 针对高维数据分类中鉴别特征降维方法的小样本问题和有效维度丢失问题,结合最新提出的片对齐框架和保局投影提出了样本保局鉴别分析方法。该方法通过分别构造每个样本的类内近邻图和类外近邻图,并将所有样本的类内近邻图和类外近邻图结合起来,形成了所有样本的类内近邻和类外近邻关系。然后,在使所有样本的类内近邻尽可能地聚集在一起的同时使类外近邻尽可能地分开,得到从高维输入空间到低维特征空间的最优映射关系。该方法有效避免了高维数据分类的小样本问题且扩展了鉴别分析的低维特征空间的有效维度。在ORL、FERET和PIE等人脸库上的高维数据分类实验证实,样本保局鉴别分析方法显著优于经典的鉴别特征降维方法。与基于片对齐框架提出的鉴别局部对齐方法相比,样本保局鉴别分析方法在FERET库上的分类识别精度提高了4.5%以上。
- 杨利平辜小花叶洪伟
- 关键词：保局投影降维
- 核保局鉴别分析人脸识别算法被引量：10
- 2010年
- 针对人脸图像的高维、非线性特性,本文结合核函数和鉴别保局投影分析,提出了一种新的非线性子空间特征提取方法——核保局鉴别分析(kernel locality preserving discriminant analysis,KLPDA)。该算法首先利用核函数将输入空间内线性不可分的人脸样本通过非线性映射投影到高维特征空间,以增强样本的可分性,然后在该特征空间内通过保局鉴别分析算法寻求保持样本局部近邻结构的鉴别特征。实验结果指出,在ORL和UMIST人脸图像库上KLPDA的识别结果相较于其对应的线性方法(LPDA)分别高出6.16%和3.48%,而相较于其他几种典型的核方法(KPCA、KFDA和KCLPP)的最高识别率也分别高出1.28%和2.60%,验证了本文提出方法的有效性。
- 辜小花龚卫国杨利平李伟红
- 关键词：核方法子空间方法特征提取人脸识别
- 有监督图优化保局投影被引量：8
- 2011年
- 研究了保局投影中近邻图的构造及更新问题,提出了一种有监督图优化保局投影(SGoLPP)特征提取方法,并应用于人脸识别。不同于传统的保局投影(LPP)算法预先设定权值矩阵并通过一次优化求解投影矩阵,SGoLPP将权值矩阵作为学习项引入到目标函数,通过交替迭代更新逐步获得最优权值矩阵和最优投影矩阵。同时,通过引入类别信息,始终对同类样本点对的权值进行更新,有效地抑制了异类样本的干扰。在UCI模拟数据集上,SGoLPP在较少的迭代次数下获得了更好的聚类和分类效果。在Yale,UMIST和CMU PIE人脸库上,SGoLPP的平均识别率比LPP、有监督保局投影(SLPP)和图优化保局投影(GoLPP)分别高出26.6%、4.8%和8.8%。实验显示本文提出的SGoLPP算法在样本可分性与鲁棒性方面具有优势,可有效地提取人脸特征。
- 辜小花龚卫国杨利平
- 关键词：有监督学习保局投影特征提取人脸识别
