核岭回归的邻域保持最大间隔分析的人脸识别

被引：7

作者：

李勇周

罗大庸

刘少强

机构：

[1] 中南大学信息科学与工程学院

来源：

模式识别与人工智能 | 2010年 / 23卷 / 01期

关键词：

人脸识别; 邻域保持嵌入; 最大间隔准则; 核岭回归;

D O I：

10.16451/j.cnki.issn1003-6059.2010.01.017

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

邻域保持嵌入是局部线性嵌入的线性近似,强调保持数据流形的局部结构.改进的最大间隔准则重视数据流形的判别和几何结构,提高了对数据的分类性能.文中提出的核岭回归的邻域保持最大间隔分析既保持流形的局部结构,又使不同类别的数据保持最大间隔,以此构建算法的目标函数.为了解决数据流形高度非线性化的问题,算法采用核岭回归计算特征空间的变换矩阵.先求解数据样本在核子空间中降维映射的结果,再解得核子空间.在标准人脸数据库上的实验表明该算法正确有效,并且识别性能优于普通的流形学习算法.

引用

页码：23 / 28

页数：6

共 7 条

[1] 基于核邻域保持投影的人脸识别
庞彦伟
俞能海
沈道义
刘政凯
[J]. 电子学报, 2006, (08) : 1542 - 1544
[2] Locally linear discriminant embedding: An efficient method for face recognition[J] . Bo Li,Chun-Hou Zheng,De-Shuang Huang.Pattern Recognition . 2008 (12)
[3] Heteroscedastic kernel ridge regression[J] . Gavin C. Cawley,Nicola L.C. Talbot,Robert J. Foxall,Stephen R. Dorling,Danilo P. Mandic.Neurocomputing . 2004
[4] Laplacian eigenmaps for dimensionality reduction and data representation
Belkin, M
Niyogi, P
[J]. NEURAL COMPUTATION, 2003, 15 (06) : 1373 - 1396
[5] Generalized discriminant analysis using a kernel approach
Baudat, G
Anouar, FE
[J]. NEURAL COMPUTATION, 2000, 12 (10) : 2385 - 2404
[6] EIGENFACES FOR RECOGNITION
TURK, M
PENTLAND, A
[J]. JOURNAL OF COGNITIVE NEUROSCIENCE, 1991, 3 (01) : 71 - 86
[7] LSQR: An Algorithm for Sparse Linear Equations and Sparse Least Squares[J] . Christopher C. Paige,Michael A. Saunders.ACM Transactions on Mathematical Software (TOMS) . 1982 (1)

← 1 →