基于面向分类准则的维数约简及其在人脸识别中的应用

摘要：

针对高维数据导致的维数灾难问题,提出了一种基于面向分类准则的维数约简方法.所提准则使每个训练样本在特征空间中与同类样本尽可能接近,而与异类样本尽可能疏远.首先对每个训练样本定义同类样本加权平均距离和异类样本加权平均距离.然后基于上述两个概念分别定义总体同类距离和总体异类距离.以最小化总体同类距离和最大化总体异类距离为目的提出了面向分类的准则(Classification Oriented Criterion,COC).最后,基于面向分类的准则推导出了一种新的维数约简方法.在公共人脸数据库ORL和Yale上的实验表明所提方法性能优于有代表性的维数约简方法.

关键词：维数约简、总体同类距离、总体异类距离、面向分类的准则、人脸识别

所属期刊栏目：41

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家重点基础研究发展计划2013CB329402;国家自然科学基金61072106,61173090,61072108,61303034;教育部长江学者和创新团队发展计划IRT1170;基本科研业务费K5051303011

在线出版日期：2014-06-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：283-287