检索结果

期刊

出版年

关键词

Please wait a minute...

选择:

导出引用
EndNote Ris BibTeX

显示/隐藏图片

Select

1. 正交及不相关边界邻域保持嵌入的人脸识别

陈达遥陈秀宏

计算机应用 2013, 33 (11): 3097-3101.

摘要（669）

PDF （733KB）（339）

邻域保持嵌入(NPE)算法本质上仍是一种无监督方法，并没有有效利用已有的类别信息提高分类效率。为此提出两种有监督流形学习方法：正交边界邻域保持嵌入(OMNPE)和不相关边界邻域保持嵌入(UMNPE)。首先构造类内和类间邻接图，并定义类内和类间重构误差；然后分别在正交和不相关约束条件下寻找最小化类内重构误差同时最大化类间重构误差的投影向量；将训练样本和测试样本分别投影到低维子空间中，再利用最近邻分类器进行分类识别。在ORL和Yale人脸库上的实验结果表明，与线性判别分析(LDA)、边界Fisher分析(MFA)等子空间人脸识别算法相比，所提算法的平均识别率提高了0.5%~3%，验证了算法的有效性。

相关文章 | 多维度评价

Select

2. 完备正交邻域保持判别嵌入的人脸识别

陈达遥陈伟琦陈秀宏

计算机应用 2013, 33 (09): 2667-2670. DOI: 10.11772/j.issn.1001-9081.2013.09.2667

摘要（758）

PDF （742KB）（407）

为解决邻域保持判别嵌入算法所面临的小样本问题，并充分利用类内邻域散度矩阵零空间和非零空间中的判别信息进行人脸识别,提出一种完备正交邻域保持判别嵌入的人脸识别算法。首先间接地利用特征分解方法去除总体邻域散度矩阵的零空间;然后分别在类内邻域散度矩阵零空间和非零空间中提取最优判别矢量。此外,为进一步提高算法的识别性能,给出了基于瘦QR分解的正交投影矩阵的求解方法。在ORL和Yale人脸库上验证了以上算法的有效性。