鲁棒的低秩鉴别嵌入回归

作     者：姚裕 万鸣华 黄伟 YAO Yu;WAN Minghua;HUANG Wei

作者机构：南京审计大学信息工程学院南京211815 韩山师范学院计算机与信息工程学院潮州521041 

出 版 物：《南京航空航天大学学报》 (Journal of Nanjing University of Aeronautics & Astronautics)

年 卷 期：2021年第53卷第5期

页      面：692-699页

核心收录：

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 08[工学] 081104[工学-模式识别与智能系统] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：2020年江苏省科研与实践创新计划(SJCX20_0670)资助项目 国家自然科学基金面上(61876213)资助项目 江苏省自然科学基金面上(BK20201397)资助项目 江苏省高校自然科学研究重大(18KJA520005)资助项目 2016年广东省自然科学基金-粤东西北创新人才联合培养基金(2016A030307050)资助项目 2016年广东省公益能力研究基金(2016A020225008)资助项目 2017年广东省科技厅平台建设基金(2017A040405062)资助项目 

主　　题：局部保持投影 低秩回归 监督 特征提取 流形学习 

摘      要：局部保持投影(Locality preserving projection,LPP)在特征提取中得到了广泛的应用。但是,LPP不使用数据的类别信息,并且采用L2范数来进行距离测量,对异常值高度敏感。本文从监督的角度考虑LPP的权值矩阵,并结合低秩回归的方法,提出一种新的模型来发现和提取特征。利用L_(2,1)范数来约束损失函数和回归矩阵,不仅降低了对异常值的敏感性,而且限制了回归矩阵的低秩条件。然后给出了优化问题的求解方法。最后,本文将该方法应用于多个人脸数据库和掌纹数据集进行了性能测试,并将实验结果与现有的一些方法进行比较,结果表明该方法是有效的。