无监督的差分鉴别特征提取以及在人脸识别上的应用
局部保持投影(LPP)只考虑了投影后的局部性,而忽视了非局部性.针对这个问题,引入非局部散布矩阵,提出无监督的差分鉴别特征提取算法,通过最大化非局部和局部之间的散度差来寻找最优变换矩阵,并将其成功地应用于人脸识别.该算法同时引入非局部和局部的信息,揭示隐含在高维图像空间中的非线性结构;采用差分的形式求解最优变换矩阵,以避免"小样本"问题;对LPP中的邻接矩阵进行了修正,以更准确地描述样本之间的邻近关系.在Yale和AR标准人脸库上的实验结果验证了文中算法的有效性.
局部保持投影、局部散度、非局部散度、散度差、人脸识别
21
TP391.4(计算技术、计算机技术)
国家自然科学基金重点项目60632050;国家自然科学基金606472060,60473039;国家"八六三"高技术研究发展计划2006AA01Z119
2010-03-26(万方平台首次上网日期,不代表论文的发表时间)
共6页
1632-1637