基于马氏距离度量的局部线性嵌入算法

被引：4

作者：

张兴福 ^{[1
,2
]}

黄少滨 ^{[1
]}

机构：

[1] 哈尔滨工程大学计算机科学与技术学院

[2] 黑龙江省农垦经济研究所

来源：

模式识别与人工智能 | 2012年 / 25卷 / 02期

关键词：

局部线性嵌入; 流形学习; 降维; 图像识别;

D O I：

10.16451/j.cnki.issn1003-6059.2012.02.014

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

局部线性嵌入算法(LLE)中常用欧氏距离度量样本间相似度.而对于图像等高维数据,欧氏距离不能准确体现样本间的相似程度.文中提出基于马氏距离度量的局部线性嵌入算法(MLLE).算法首先从现有样本中学习到一个马氏度量,然后在LLE算法的近邻选择、现有样本及新样本降维过程中用马氏度量作为相似性度量.将MLLE算法及其它典型的流形学习算法在ORL和USPS数据库上进行对比实验,结果表明MLLE算法具有良好的识别性能.

引用

页码：318 / 324

页数：7

共 9 条

[1] Two-dimensional supervised local similarity and diversity projection
Gao, Quan-Xue
Xu, Hui
Li, Yi-Ying
Xie, De-Yan
[J]. PATTERN RECOGNITION, 2010, 43 (10) : 3359 - 3363
[2] Neighborhood linear embedding for intrinsic structure discovery
Ge, Shuzhi Sam
Guan, Feng
Pan, Yaozhang
Loh, Ai Poh
[J]. MACHINE VISION AND APPLICATIONS, 2010, 21 (03) : 391 - 401
[3] Learning a Mahalanobis distance metric for data clustering and classification
Xiang, Shiming
Nie, Feiping
Zhang, Changshui
[J]. PATTERN RECOGNITION, 2008, 41 (12) : 3600 - 3612
[4] Palmprint recognition with improved two-dimensional locality preserving projections
Pan, Xin
Ruan, Qiu-Qi
[J]. IMAGE AND VISION COMPUTING, 2008, 26 (09) : 1261 - 1268
[5] ISOLLE: LLE with geodesic distance[J] . Claudio Varini,Andreas Degenhard,Tim W. Nattkemper. Neurocomputing . 2006 (13)
[6] Incremental locally linear embedding
Kouropteva, O
Okun, O
Pietikäinen, M
[J]. PATTERN RECOGNITION, 2005, 38 (10) : 1764 - 1767
[7] Principal Manifolds and Nonlinear Dimensionality Reduction via Tangent Space Alignment
张振跃
查宏远
[J]. Journal of Shanghai University, 2004, (04) : 406 - 424
[8] EIGENFACES FOR RECOGNITION
TURK, M
PENTLAND, A
[J]. JOURNAL OF COGNITIVE NEUROSCIENCE, 1991, 3 (01) : 71 - 86
[9] Improving Nearest Neighbor Classification with Cam Weighted Distance .2 Zhou Changyin,Chen Yanqiu. Pattern Recognition . 2006

← 1 →